Explore l'optimisation convexe, les fonctions convexes et leurs propriétés, y compris la convexité stricte et la convexité forte, ainsi que différents types de fonctions convexes comme les fonctions et les normes affines linéaires.
Introduit les principes fondamentaux de l'optimisation convexe, en soulignant l'importance des fonctions convexes dans la simplification du processus de minimisation.
Couvre des modèles thématiques, en se concentrant sur l'allocation de Dirichlet latente, le regroupement, les MGM, la distribution de Dirichlet, l'apprentissage LDA et les applications en humanités numériques.
Couvre la dynamique d'apprentissage dans les jeux d'action finis et explore divers types d'équilibres, y compris les équilibres corrélés et corrélés grossiers.
Explore les systèmes binaires, les diagrammes de phase et les propriétés élastiques dans la science des matériaux, en mettant l'accent sur les équilibres de phase et le comportement des matériaux sous déformation.
Explore les conditions KKT dans l'optimisation convexe, couvrant les problèmes doubles, les contraintes logarithmiques, les moindres carrés, les fonctions matricielles et la sous-optimalité de la couverture des ellipsoïdes.