📚 网上馆配 · 在线荐购平台

内容简介：本书全面探讨了机器学习中的最优化理论、方法与实践, 特别是在人工智能颠覆性发展的背景下, 包括但不限于监督学习、无监督学习、深度学习及强化学习等的应用。本书详细介绍了最优性条件、KKT条件、拉格朗日对偶等核心最优化理论, 探讨了梯度下降法、邻近梯度法、牛顿法、拟牛顿方法 (BFGS方法)、块坐标下降法、随机梯度类方法、增广拉格朗日方法、交替方向乘子法、双层规划等经典最优化方法, 最后介绍了机器学习与最优化深度融合的先进学习优化方法。通过本书的学习, 读者将能够全面理解机器学习中最优化问题的建模和求解计算, 及其在实际问题中的应用, 为后续的机器学习研究和实践奠定坚实的基础。