Introduzione all'ottimizzazione - con applicazioni al machine learning (Chong Edwin K. P. (Colorado State University))

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Introduction to Optimization - With Applications to Machine Learning (Chong Edwin K. P. (Colorado State University))

Contenuto del libro:

Introduzione all'ottimizzazione

Un testo introduttivo accessibile sulla teoria e i metodi di ottimizzazione, con un'enfasi sulla progettazione ingegneristica, con esercizi MATLAB® ed esempi pratici

Completamente aggiornata per riflettere i moderni sviluppi del settore, la quinta edizione di An Introduction to Optimization soddisfa l'esigenza di un'introduzione accessibile, ma rigorosa, alla teoria e ai metodi di ottimizzazione, con una trattazione innovativa e un approccio diretto. Il libro inizia con una revisione delle definizioni e delle notazioni di base, fornendo al contempo le basi fondamentali dell'algebra lineare, della geometria e del calcolo.

Con queste basi, gli autori esplorano gli argomenti essenziali dei problemi di ottimizzazione non vincolata, dei problemi di programmazione lineare e dell'ottimizzazione vincolata non lineare. Inoltre, il libro include un'introduzione alle reti neurali artificiali, all'ottimizzazione convessa, all'ottimizzazione multi-obiettivo e alle applicazioni dell'ottimizzazione nell'apprendimento automatico.

Numerosi diagrammi e figure presenti in tutto il libro completano la presentazione scritta dei concetti chiave e ogni capitolo è seguito da esercizi MATLAB® e problemi pratici che rafforzano la teoria e gli algoritmi discussi.

La quinta edizione presenta un nuovo capitolo sulla dualità lagrangiana (non lineare), un'ampia trattazione dei giochi matriciali, degli algoritmi a gradiente proiettato, dell'apprendimento automatico e numerosi nuovi esercizi alla fine di ogni capitolo.

Un'introduzione all'ottimizzazione comprende informazioni su: Le definizioni matematiche, le notazioni e le relazioni dell'algebra lineare, della geometria e del calcolo utilizzate nell'ottimizzazione Algoritmi di ottimizzazione, che coprono la ricerca unidimensionale, la ricerca randomizzata e i metodi del gradiente, di Newton, della direzione coniugata e quasi-Newton Metodi di programmazione lineare, che coprono l'algoritmo del simplex, i metodi del punto interno, e dualità Ottimizzazione non lineare vincolata, teoria e algoritmi, ottimizzazione convessa e dualità lagrangiana Applicazioni dell'ottimizzazione nell'apprendimento automatico, tra cui l'addestramento di reti neurali, la classificazione, la discesa stocastica del gradiente, la regressione lineare, la regressione logistica, le macchine a vettori di supporto e il clustering.

Un'introduzione all'ottimizzazione è un libro di testo ideale per un corso di uno o due semestri per laureati o per chi inizia a studiare la teoria e i metodi di ottimizzazione. Il testo è utile anche per ricercatori e professionisti in matematica, ricerca operativa, ingegneria elettrica, economia, statistica e business.