Ottimizzazione per l'apprendimento e il controllo

Titolo originale:

Optimization for Learning and Control

Contenuto del libro:

Una risorsa completa che fornisce un'introduzione di livello master alla teoria dell'ottimizzazione e agli algoritmi per l'apprendimento e il controllo.

Optimization for Learning and Control descrive l'uso dell'ottimizzazione in questi ambiti, fornendo un'introduzione approfondita all'apprendimento non supervisionato, all'apprendimento supervisionato e all'apprendimento per rinforzo, con particolare attenzione ai metodi di ottimizzazione per problemi di apprendimento e controllo su larga scala.

Vengono inoltre discusse diverse aree applicative, tra cui l'elaborazione dei segnali, l'identificazione dei sistemi, il controllo ottimale e l'apprendimento automatico.

Oggi, la maggior parte del materiale sugli aspetti di ottimizzazione del deep learning accessibile agli studenti a livello di master si concentra sulla programmazione informatica di superficie; non viene fornita una conoscenza più approfondita dei metodi di ottimizzazione e dei compromessi che stanno alla base di questi metodi. L'obiettivo di questo libro è quello di rendere accessibili agli studenti di master queste conoscenze sparse, attualmente disponibili principalmente in pubblicazioni su riviste accademiche, in modo coerente. L'attenzione si concentra sui principi algoritmici di base e sui compromessi.

Optimization for Learning and Control tratta argomenti quali:

⬤ Teoria dell'ottimizzazione e metodi di ottimizzazione, che coprono classi di problemi di ottimizzazione come problemi ai minimi quadrati, problemi quadratici, problemi di ottimizzazione conica e ottimizzazione di rango.

⬤ Metodi del primo ordine, metodi del secondo ordine, metodi a metrica variabile e metodi per problemi di minimi quadrati non lineari.

⬤ Metodi di ottimizzazione stocastica, metodi Lagrangiani aumentati, metodi a punto interno e metodi di ottimizzazione conica.

⬤ La programmazione dinamica per la risoluzione di problemi di controllo ottimale e la sua generalizzazione all'apprendimento per rinforzo.

⬤ Come la teoria dell'ottimizzazione viene utilizzata per sviluppare la teoria e gli strumenti della statistica e dell'apprendimento, ad esempio il metodo della massima verosimiglianza, la massimizzazione dell'aspettativa, il clustering k-means e le macchine vettoriali di supporto.

⬤ Come il calcolo delle variazioni viene utilizzato nel controllo ottimale e per derivare la famiglia delle distribuzioni esponenziali.

Optimization for Learning and Control è una risorsa ideale per scienziati e ingegneri che desiderano conoscere i metodi di ottimizzazione utili per i problemi di apprendimento e di controllo; il testo piacerà anche ai professionisti del settore che utilizzano l'apprendimento automatico per diverse applicazioni pratiche.