Puntuación:
Actualmente no hay opiniones de lectores. La calificación se basa en 5 votos.
Optimization for Machine Learning
Un relato actualizado de la interacción entre la optimización y el aprendizaje automático, accesible a estudiantes e investigadores de ambas comunidades.
La interacción entre la optimización y el aprendizaje automático es uno de los avances más importantes de la ciencia computacional moderna. Las formulaciones y métodos de optimización están demostrando ser vitales en el diseño de algoritmos para extraer conocimientos esenciales de enormes volúmenes de datos. El aprendizaje automático, sin embargo, no es simplemente un consumidor de tecnología de optimización, sino un campo en rápida evolución que genera por sí mismo nuevas ideas de optimización. Este libro recoge el estado del arte de la interacción entre la optimización y el aprendizaje automático de una forma accesible para los investigadores de ambos campos.
Los enfoques de optimización han gozado de prominencia en el aprendizaje automático debido a su amplia aplicabilidad y a sus atractivas propiedades teóricas. La creciente complejidad, tamaño y variedad de los modelos actuales de aprendizaje automático exigen la reevaluación de los supuestos existentes. Este libro inicia el proceso de reevaluación. Describe el resurgimiento en nuevos contextos de marcos establecidos como los métodos de primer orden, las aproximaciones estocásticas, las relajaciones convexas, los métodos de punto interior y los métodos proximales. También presta atención a temas más recientes, como la optimización regularizada, la optimización robusta, los métodos de gradiente y subgradiente, las técnicas de división y los métodos de segundo orden. Muchas de estas técnicas se inspiran en otros campos, como la investigación operativa, la informática teórica y los subcampos de la optimización. El libro enriquecerá la actual fertilización cruzada entre la comunidad de aprendizaje automático y estos otros campos, y dentro de la comunidad de optimización más amplia.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)