Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Sparsity structurée : normes atomiques et optimisation convexe

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (51)

KKT pour les problèmes convexes et CQ de Slater Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les conditions KKT et l'état de Slater dans les problèmes d'optimisation convexes.

Optimisation convexe : exercices Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre des exercices sur l'optimisation convexe, en se concentrant sur la formulation et la résolution de problèmes d'optimisation en utilisant YALMIP et des solveurs comme GUROBI et MOSEK.

Optimisation du convex Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit l'optimisation convexe, en mettant l'accent sur l'importance de la convexité dans les algorithmes et les problèmes d'optimisation.

La dualité conjuguée : comprendre l’optimisation convexe Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la dualité conjuguée dans l'optimisation convexe, couvrant les hyperplans faibles et soutenants, les sous-gradients, l'écart de dualité et les conditions de dualité fortes.

Optimisation convexe : théorie et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la théorie de l'optimisation convexe, couvrant les minima locaux et globaux, les fonctions convexes et les applications dans divers domaines.

Dualité lagrangienne : Optimisation convexe Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la dualité lagrangienne dans l'optimisation convexe, transformant les problèmes en formulations min-max et discutant de l'importance des solutions doubles.

Programmes d'optimisation : Fonctions de coûts linéaires par pièce Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la formulation de programmes d'optimisation pour minimiser les fonctions de coûts linéaires à la pièce.

Lasso et MNIST Basics Connectez-vous à Mediaspace pour regarder cette vidéo

Présente la régularisation Lasso et son application à l'ensemble de données MNIST, en mettant l'accent sur la sélection des fonctionnalités et les exercices pratiques sur la mise en œuvre de la descente en gradient.

Optimisation convexe : Débit de gradient Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation convexe, en soulignant l'importance de minimiser les fonctions dans un ensemble convexe et l'importance des processus continus dans l'étude des taux de convergence.

Relaxation convexe: théorèmes de type négatif Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la relaxation convexe et les théorèmes de type négatif dans les programmes convexes.

Optimisation de Convex : ensembles et fonctions Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit l'optimisation convexe à travers des ensembles et des fonctions, couvrant les intersections, exemples, opérations, gradient, Hessian, et applications du monde réel.

Optimisation polynomiale : SOS et SDP Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la somme des polynômes carrés et la programmation semi-définie dans l'optimisation polynomiale, permettant l'approximation des polynômes non convexes avec SDP convexe.

Descente de gradient plus rapide: Techniques d'optimisation projetées Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.

Problèmes d'optimisation convexe: Formulaire standard Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les problèmes d'optimisation convexes, la transformation en forme standard et les critères d'optimalité pour des objectifs différenciables.

Optimisation convexe: descente de gradient Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la dimension VC, la descente de gradient, les ensembles convexes et les fonctions Lipschitz en optimisation convexe.

Proximal Gradient Descent: Techniques d'optimisation dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Discute de la descente du gradient proximal et de ses applications dans l'optimisation des algorithmes d'apprentissage automatique.

Problèmes convexes non convexes : MVS et réduction de dimensionnalité Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les problèmes convexifiants non convexes par le biais de SVM et des techniques de réduction de dimensionnalité.

Problèmes d'optimisation : recherche des voies et affectation des portefeuilles Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les problèmes d'optimisation dans la recherche de chemin et l'allocation de portefeuille.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Techniques d'optimisation: fonctions de descente de gradient et convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu des techniques d'optimisation, en se concentrant sur la descente de gradient et les propriétés des fonctions convexes dans l'apprentissage automatique.

Page 2 sur 3