Optimización para el aprendizaje y el control

Título original:

Optimization for Learning and Control

Contenido del libro:

Recurso exhaustivo que proporciona una introducción a nivel de máster a la teoría de la optimización y los algoritmos para el aprendizaje y el control.

Optimization for Learning and Control describe cómo se utiliza la optimización en estos dominios, ofreciendo una introducción completa tanto al aprendizaje no supervisado como al supervisado y al aprendizaje por refuerzo, con énfasis en los métodos de optimización para problemas de aprendizaje y control a gran escala.

También se analizan varias áreas de aplicación, como el procesamiento de señales, la identificación de sistemas, el control óptimo y el aprendizaje automático.

Hoy en día, la mayor parte del material sobre los aspectos de optimización del aprendizaje profundo que es accesible para los estudiantes de nivel de máster se centra en la programación informática a nivel superficial; no se proporciona un conocimiento más profundo sobre los métodos de optimización y las compensaciones que hay detrás de estos métodos. El objetivo de este libro es hacer que este conocimiento disperso, actualmente disponible principalmente en publicaciones en revistas académicas, sea accesible para los estudiantes de máster de una manera coherente. La atención se centra en los principios algorítmicos básicos y las compensaciones.

Optimización para el Aprendizaje y el Control cubre temas de muestra como:

⬤ Teoría de optimización y métodos de optimización, cubriendo clases de problemas de optimización como problemas de mínimos cuadrados, problemas cuadráticos, problemas de optimización cónica y optimización de rangos.

⬤ Métodos de primer orden, métodos de segundo orden, métodos de métrica variable y métodos para problemas de mínimos cuadrados no lineales.

⬤ Métodos de optimización estocástica, métodos lagrangianos aumentados, métodos de punto interior y métodos de optimización cónica.

⬤ Programación dinámica para resolver problemas de control óptimo y su generalización al aprendizaje por refuerzo.

⬤ Cómo se utiliza la teoría de la optimización para desarrollar la teoría y las herramientas de la estadística y el aprendizaje, por ejemplo, el método de máxima verosimilitud, la maximización de expectativas, la agrupación k-means y las máquinas de vectores de soporte.

⬤ Cómo se utiliza el cálculo de variaciones en el control óptimo y para derivar la familia de distribuciones exponenciales.

Optimization for Learning and Control es un recurso ideal sobre el tema para científicos e ingenieros que quieran aprender qué métodos de optimización son útiles para los problemas de aprendizaje y control; el texto también resultará atractivo para los profesionales de la industria que utilizan el aprendizaje automático para diferentes aplicaciones prácticas.