Passer au contenu principal

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

Graph
Search

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Théorie de l'optimisation sans contrainte

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (36)

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.

Problèmes de variation : convexité et coercivité Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les problèmes variationnels, en mettant l'accent sur les conditions de convexité et de coercivité dans les fonctions avec des contraintes latérales intégrales.

Techniques d'optimisation: Descente de gradient stochastique et au-delà Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la descente de gradient stochastique et ses applications dans les problèmes contraints et non convexes.

Cônes des ensembles convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation sur les ensembles convexes, y compris les points KKT et les cônes tangents.

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

Couvre les techniques d'optimisation non convexes et leurs applications dans l'apprentissage automatique.

Algèbre homotopique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la théorie des groupes et de l'algèbre homotopique, mettant l'accent sur les transformations naturelles, les identités et l'isomorphisme des catégories.

Convexité géodésique : théorie et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la convexité géodésique dans les espaces métriques et ses applications, en discutant des propriétés et de la stabilité des inégalités.

Optimisation limitée : les bases Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de l'optimisation contrainte, y compris les directions tangentes, les sous-problèmes de la région de confiance et les conditions d'optimalité nécessaires.

Flux de puissance optimal et introduction de Chebyshev Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les solutions Optimal Power Flow, SDP, l'inégalité de Chebyshev et les distributions de probabilité.

Relations entre les événements Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les relations entre les événements, les contraintes disjonctives et la modélisation avec des variables binaires dans les problèmes d'optimisation.

Matrices de projection: Min-Cut et Gradient Descente Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les matrices de projection dans le contexte d'algorithmes de déclivité et de coupe-minute, en mettant l'accent sur leur rôle dans l'optimisation.

Optimisation du convex : Notation et normes matricielles Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit la notation Convex Optimization, les fonctions convexes, les normes vectorielles et les propriétés matricielles.

Réseaux neuronaux sous SGD Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation des réseaux neuronaux en utilisant la descente de gradient stochastique (SGD) et le concept de risque double par rapport au risque empirique.

Minimum Spanning Trees Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la mise en œuvre et l'analyse de la structure des données des ensembles disjoints et introduit le concept d'arbres couvrants minimum.

Formule de Taylor: Convexité, points d'inflexion Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la formule de Taylor, le caractère unique de la série Taylor, le théorème de la valeur moyenne, les points d'inflexion et la convexité.

Régression linéaire : bases et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régression linéaire en utilisant la méthode des moindres carrés pour adapter les points de données à l'équation y = ax + b.

Page 2 sur 2