Introduit Manopt, une boîte à outils pour l'optimisation sur les collecteurs lisses avec une structure Riemannienne, couvrant les fonctions de coûts, différents types de collecteurs, et principes d'optimisation.
Explore l'optimisation pratique en utilisant Manopt pour les collecteurs, couvrant les contrôles de gradient, les erreurs d'approximation, et les calculs Hessian.
Explore les méthodes de descente des gradients pour optimiser les fonctions sur les collecteurs, en mettant l'accent sur les petites garanties de gradient et la convergence globale.
Explore les gradients de calcul sur les collecteurs Riemanniens à travers des extensions et des rétractions, mettant l'accent sur les projecteurs orthogonaux et les extensions lisses.
Déplacez-vous dans l'optimisation sur les collecteurs, montrant des applications simples comme trouver les plus grandes valeurs propres et les valeurs singulières.
Couvre l'optimisation sur les collecteurs, la fluidité, les outils nécessaires à l'optimisation, et les algorithmes avancés utilisant les connexions Hessians et Riemannian.
Introduit des rétractions et des champs vectoriels sur les collecteurs, fournissant des exemples et discutant des propriétés de douceur et d'extension.