您现在所在的位置:首页 >> 科学研究 >> 共享资源 >> 学术报告 >>
发布日期:2018年11月20日
学术报告-机器学习中的凸优化

      机器学习模型一般可化简为求解一个目标函数/损失函数的最优化问题,根据优化目标及约束的不同,可划分为凸优化(Convex optimization)与非凸优化(Non-convex optimization)两类。本次报告首先介绍了优化问题与机器学习的关系,进而针对凸优化理论,详细介绍与之相关的定义概念,最后重点讲解拉格朗日对偶优化方法,有助于理解SVM等算法的参数优化过程。

附件-机器学习中的凸优化.pdf