About this ebook
Les algorithmes discutés incluent la méthode du gradient proximal, la méthode de Newton proximale, l'ISTA, l'ADMM, la division avant-arrière et la division Douglas-Ratchford, ainsi que l'accélération de Nesterov. Est également considéré le problème d'optimisation d'une fonction complexe, où la fonction objectif contient une fonction non lisse ou non convexe. De nombreux problèmes d’optimisation en statistique dépendent de certaines données observées et sont une expression de régularisation. Il s'agit généralement d'une fonction convexe lisse et d'une fonction semi-continue inférieure convexe, mais non lisse. Cela permet de trouver une solution au problème d'optimisation pour une classe de fonctions objectives non différentiables. Mots-clés : méthode du gradient proximal, la méthode de Newton proximale, l'ISTA, l'ADMM, la division avant-arrière, la division Douglas-Ratchford, l'accélération de Nesterov. DOI : 10.51926/ISTE.9164.ch6 Chapitre de l'ouvrage : Méthodes de calcul et modélisation mathématique en cyberphysique et applications techniques 1 / DOI : 10.51926/ISTE.481648 / ISBN : 9781789481648
Les algorithmes discutés incluent la méthode du gradient proximal, la méthode de Newton proximale, l'ISTA, l'ADMM, la division avant-arrière et la division Douglas-Ratchford, ainsi que l'accélération de Nesterov. Est également considéré le problème d'optimisation d'une fonction complexe, où la fo...
Discover more
Rate this ebook
Tell us what you think.
Reading information
Smartphones and tablets
Install the Google Play Books app for Android and iPad/iPhone. It syncs automatically with your account and allows you to read online or offline wherever you are.
Laptops and computers
You can listen to audiobooks purchased on Google Play using your computer's web browser.
eReaders and other devices
To read on e-ink devices like Kobo eReaders, you'll need to download a file and transfer it to your device. Follow the detailed Help Center instructions to transfer the files to supported eReaders.
