凸优化1-机器学习之凸优化

AID:
CID:
视频图片:
作者头像:
弹幕地址:
视频描述:

热门回复:

  • lzcllyt:2019-01-14看完啦,我补一个目录吧,写一下每次课主要讲的啥 1-2:推荐书目,引言,常见例子,优化问题分类,发展史 3-4:仿射/凸/凸锥 + 集/组合/包 5-6:几种重要的凸集:超平面与半空间/球和椭球/多面体/单纯形/对称(半)(正定)矩阵 7-8:凸集的交集,保凸运算:仿射函数/缩放和移位/透视函数/线性分段函数 9-10:(9缺)凸函数的定义1/定义2/定义3,凸函数的扩展 11-12:凸函数定义2补充/定义4,常见例函数的凸性:二次函数/仿射函数/指数函数/幂函数/绝对值的幂函数/对数函数/负熵/范数/零范数/极大值函数/log-sum-up函数 13-14:函数凸性:极大值函数/log-sum-up函数/几何平均/行列式对数;保持函数凸性:非负加权和/仿射映射/两函数的极大值函数/无像个凸函数的极大值 15-16:复合函数保凸的条件,函数的透视:欧几里得范数的平方/负对数/K-L散度,函数的共轭 17-18:复合函数保凸条件,函数的共轭,α-sublevel set,拟凸函数 19-20:(课堂小测1),向量零范数的松弛形式,可微拟凸函数的一阶条件和二阶条件,对数凹函数/对数凸函数 21-22:可微拟凸函数的一阶条件的充分性证明,凸问题:域/可行解集/最优值/最优解(集)/ε次优解集/局部最优解/可行性优化问题,凸问题的等价形式(举例) 23-24:凸优化问题,凸优化约束的降维和升维(松弛变量),拟凸优化问题,凸问题局部最优等于全局最优,可微目标函数情况下的最优解(画图举例),三个名人的故事 25-26:凸问题的等价变换,营养食谱问题,线性分数规划,二次规划,QCQP,回归问题下x稀疏时的LASSO(引入X=X+ + X-) 27-28:投资组合问题的形式,半正定规划问题,谱范数,多目标优化问题:pareto最优面,多目标问题①的转化(单目标问题②和带约束的单目标问题③) 29-30:对偶性,Lagrange函数,Lagrange函数的凹性,对偶函数与函数共轭的关系,(P)对偶函数的对偶函数仍未(P)
  • lzcllyt:字数太多要分两次发233 31-32:强对偶/弱对偶,对偶间隙,Slater条件,弱Slater条件,P*=d*的四种解释:[1]几何解释[2]鞍点解释[3]多目标优化解释[4]经济学角度解释 33-34:线性代数知识:Byod的《Convex Optimization》附录C的内容 35-36:P*=d*经济学角度解释的补充,鞍点解释的补充,鞍点定理,KKT条件,KKT条件充要性证明 37-38:线性约束的QP问题的KKT条件,Water-filling问题的KKT条件,约束仅为非负约束时互补条件和KKT条件的关系,更多的凸问题等价转换例子。。,带框约束的LP问题 39-40:敏感性分析:P*(u,w)/局部敏感性,Boolen LP问题的LP松弛和Lagrange松弛的等价性(两种松弛形式互为对偶) 41-42:带等式约束的可微凸优化问题的罚函数形式,带线性不等式约束的可微凸优化问题的log-barrier法,算法:Line Search:exact(黄金分割法)/inexact(Amijo Rule) 43-44:(课堂小测2),函数的强凸性,Hassien矩阵的上界下界,f(x)-P*的上界和下界,梯度下降法 45-46:强凸性等价不等式及其相反性质的等价不等式,梯度下降法,算法的收敛性,(亚/超)线性收敛,Amijo Rule解的上下界,矩阵的条件数 47-48:最速下降法:二模/一模/无穷模,坐标轮换***************/拟牛顿法 49-50:无约束优化问题算法选择建议,有约束优化问题(关心只含等式约束的问题):构造KKT条件,拉格朗日法/增广拉格朗日法 51-52:增广拉格朗日法,其常用技巧(分布式计算) 53-54:NLP专题讲座,NLP下的KKT条件,(互补松弛条件讲的太好啦!) 55:总复习
  • 陌上疏影凉:自己看视频的记的板书(更新中),分享出来给大家做个补充材料吧,求热评QAQ! 链接:https://pan.baidu.com/s/1Q2X237AqhXnJtVpGqAMAuw 密码:uetd
  • CvLearing:凌老师真是年轻有为呀
  • lzcllyt:第九集的看第十一集就行啦,讲的是凸函数的前两个定义(看书也行),这个课很好的,不要因为缺了一集就不看鸭! 关于第二个定义,可以理解成: 若F为凸,则在domF中任取一点x,与一个点v,考虑x+tv,即以x为起点,在v方向构造一条直线,取这条直线与domF的交集Q。先定义G=F(x+tv),其定义域domG={t|x+tv∈Q}。则在G的定义域内,函数G为凸函数。 在F:R2→R的情形下,凸函数“看起来”是铁锅一样(不考虑有平面的情况的话),定义二指的是对这个铁锅任意的在垂直方向上切一刀,切出的剖面是凸的。