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 stochastique: techniques d'optimisation non convexes

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (37)

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.

Gradient Descent: Techniques d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.

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.

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.

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.

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.

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.

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.

Apprentissage évolutif et digne de confiance : défis et solutions Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les défis et les solutions pour l'apprentissage évolutif et fiable dans des réseaux hétérogènes, en mettant l'accent sur l'hétérogénéité des données, la vie privée, l'équité et la robustesse.

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.

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.

Théorème du nombre premier Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la preuve du théorème des nombres premiers et ses implications dans la théorie des nombres.

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.

Réseaux neuronaux profonds et splines Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les fondamentaux des réseaux de neurones profonds et des splines, explorant leurs propriétés, leurs implications et leurs applications dans l'apprentissage automatique moderne.

Hoare Logic: Fondements et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre Hoare Logic, ses fondements, ses applications et son importance dans la vérification des programmes.

Modèles linéaires: Partie 1 Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires, y compris la régression, les dérivés, les gradients, les hyperplans et la transition de classification, en mettant laccent sur la minimisation des risques et des mesures dévaluation.

Théorème de la valeur moyenne (Mittelwertsatz)Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le théorème de la valeur moyenne dans le calcul différentiel, en se concentrant sur les points critiques et les extrema globaux dans les intervalles.

Page 2 sur 2