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

Descente de gradient riemannienne: théorème de convergence et méthode de recherche de ligne

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (57)

Optimisation sur les collecteurs Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'optimisation sur les collecteurs, en se concentrant sur les collecteurs et les fonctions lisses, et le processus de descente de gradient.

Distance riemannienne, ensembles géodésiquement convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la structure des variétés riemanniennes, la convexité géodésique et la fonction de distance riemannienne.

Méthode de Newton sur les variétés riemanniennes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode de Newton sur les variétés riemanniennes, en se concentrant sur les conditions d'optimalité du second ordre et la convergence quadratique.

Propriété de symétrie : connexion riemannienne en géométrie Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les symétries, la connexion riemannienne, les champs vectoriels et le support de Lie en géométrie.

Gradients sur les sous-groupes riemanniens, cadres locaux Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des gradients sur les sous-groupes riemanniens et de la construction de cadres locaux.

Toutes les choses Riemannian: métriques, (sub)manifolds et gradients Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la définition de la rétraction, des sous-groupes ouverts, des fonctions de définition locales, des espaces tangents et des métriques riemanniennes.

La méthode des gradients conjugués (CG)Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode des gradients conjugués pour résoudre les systèmes linéaires itérativement avec la convergence quadratique et souligne l'importance de l'indépendance linéaire entre les directions conjuguées.

Cadre des régions de confiance riemannienne Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit le cadre des régions de confiance riemannienne (RTR), couvrant les directions conjuguées, la méthode de Newton et l'amélioration du modèle.

Inégalités ou contraintes d’égalité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les contraintes d'inégalité ou d'égalité et les conditions d'optimalité nécessaires dans les problèmes d'optimisation.

Algorithmes d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les algorithmes d'optimisation, en se concentrant sur Proximal Gradient Descent et ses variations.

Réduction des écarts : stratégies et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des techniques de réduction de la variance dans la simulation stochastique, en se concentrant sur les stratégies d'allocation et les algorithmes de génération de répliques.

Principes d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les principes d'optimisation, y compris l'optimisation linéaire, les réseaux et les exemples de recherche concrets dans le transport.

Fonctions lisses non analytiques Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les fonctions lisses non analytiques, leurs propriétés et leurs applications en géométrie différentielle et en unité de partitionnement.

Programmation semi-définie Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la programmation et l'optimisation semi-définies sur des cônes semi-définis positifs.

Programmation dynamique: combien de façons de faire le changement Connectez-vous à Mediaspace pour regarder cette vidéo

Démontrer une programmation dynamique pour trouver le nombre de façons de faire le changement en utilisant différentes dénominations de pièces.

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.

Initial BFS: Trouver des solutions Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de trouver un BFS initial et de résoudre les problèmes d'optimisation connexes.

Valeurs extrêmes et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les valeurs extrêmes, les conditions d'optimisation, les ensembles réalisables et la formation de partition pour l'optimisation.

Programmation dynamique: Séquence Steinitz Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la programmation dynamique avec la séquence Steinitz pour optimiser les solutions efficacement.

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.

Page 2 sur 3