Introduit Manopt, une boîte à outils pour l'optimisation sur les collecteurs lisses avec une structure Riemannienne, couvrant les fonctions de coûts, différents types de collecteurs, et principes d'optimisation.
Explore l'optimisation pratique en utilisant Manopt pour les collecteurs, couvrant les contrôles de gradient, les erreurs d'approximation, et les calculs Hessian.
Couvre l'optimisation sur les collecteurs, la fluidité, les outils nécessaires à l'optimisation, et les algorithmes avancés utilisant les connexions Hessians et Riemannian.
Explore l'importance de différencier les champs vectoriels et la méthodologie appropriée pour y parvenir, en soulignant l'importance d'aller au-delà du premier ordre.
Explore les connexions sur les collecteurs, en mettant l'accent sur la définition axiomatique et les propriétés des dérivés dans les champs vectoriels de différenciation.
Couvre les connexions sur les collecteurs, les connexions symétriques, les crochets Lie, et la compatibilité avec la métrique en géométrie Riemannienne.
Introduit des champs vectoriels différenciés le long de courbes sur des collecteurs avec des connexions et l'opérateur unique satisfaisant des propriétés spécifiques.