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

Séance de cours

Méthodes de la région de confiance: Pourquoi, avec un exemple

Dans cours

MATH-512: Optimization on manifolds

We develop, analyze and implement numerical algorithms to solve optimization problems of the form min f(x) where x is a point on a smooth manifold. To this end, we first study differential and Riemannian geometry (with a focus dictated by computational con ...

Description

Cette séance de cours présente les méthodes de la région de confiance, expliquant leur développement historique de Levenberg aux collecteurs Riemanniens modernes. L'instructeur discute de la transition de la descente en gradient à la méthode de Newton et présente un exemple d'optimisation Max-Cut Burer-Monteiro rang 2.

Enseignant·e

Nicolas Boumal

Source officielle

Concepts associés (32)

Variété riemannienne

En mathématiques, et plus précisément en géométrie, la variété riemannienne est l'objet de base étudié en géométrie riemannienne. Il s'agit d'une variété, c'est-à-dire un espace courbe généralisant les courbes (de dimension 1) ou les surfaces (de dimension 2) à une dimension n quelconque, et sur laquelle il est possible d'effectuer des calculs de longueur. En termes techniques, une variété riemannienne est une variété différentielle munie d'une structure supplémentaire appelée métrique riemannienne permettant de calculer le produit scalaire de deux vecteurs tangents à la variété en un même point.

Variété pseudo-riemannienne

La géométrie pseudo-riemannienne est une extension de la géométrie riemannienne ; au même titre que, en algèbre bilinéaire, l'étude des formes bilinéaires symétriques généralisent les considérations sur les métriques euclidiennes. Cependant, cette géométrie présente des aspects non intuitifs des plus surprenants. Une métrique pseudo-riemannienne sur une variété différentielle M de dimension n est une famille g= de formes bilinéaires symétriques non dégénérées sur les espaces tangents de signature constante (p,q).

Optimisation (mathématiques)

L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.

Curvature of Riemannian manifolds

In mathematics, specifically differential geometry, the infinitesimal geometry of Riemannian manifolds with dimension greater than 2 is too complicated to be described by a single number at a given point. Riemann introduced an abstract and rigorous way to define curvature for these manifolds, now known as the Riemann curvature tensor. Similar notions have found applications everywhere in differential geometry of surfaces and other objects. The curvature of a pseudo-Riemannian manifold can be expressed in the same way with only slight modifications.

Moindres carrés non linéaires

Les moindres carrés non linéaires est une forme des moindres carrés adaptée pour l'estimation d'un modèle non linéaire en n paramètres à partir de m observations (m > n). Une façon d'estimer ce genre de problème est de considérer des itérations successives se basant sur une version linéarisée du modèle initial. Méthode des moindres carrés Considérons un jeu de m couples d'observations, (x, y), (x, y),...,(x, y), et une fonction de régression du type y = f (x, β).

Afficher plus

Séances de cours associées (28)

Convexité géodésique : faits de base et définitions

Explore la convexité géodésique, en se concentrant sur les propriétés des fonctions convexes sur les collecteurs.

Optimisation des manifolds : contexte et applications MOOC: Introduction à l'optimisation sur des manifolds lisses : méthodes du premier ordre

Introduit l'optimisation sur les collecteurs, couvrant les techniques classiques et modernes dans le domaine.

Techniques d'optimisation: Vue d'ensemble de la méthode de gradient

Discute de la méthode de gradient pour l'optimisation, en se concentrant sur son application dans l'apprentissage automatique et les conditions de convergence.

Convexité géodésique : définitions de base

Introduit la convexité géodésique sur les collecteurs Riemanniens et explore ses propriétés.

Convergence linéaire avec Polyak-Žojasiewicz: Preuve mécanique

Explore la convergence linéaire avec la condition Polyak-Žojasiewicz sur un collecteur Riemannien.

Afficher plus

Concepts associés (32)

Variété riemannienne

Variété pseudo-riemannienne

Optimisation (mathématiques)

Curvature of Riemannian manifolds

Moindres carrés non linéaires

Afficher plus