Convex Optimization凸优化2020春季学期 资源介绍
机器学习中的大多数问题可以归结为最优化问题。
凸优化,是数学最优化的一个子领域,研究定义于凸集中的凸函数最小化的问题。
凸优化问题的优势
- 凸优化问题的局部最优解就是全局最优解
- 很多非凸问题都可以被等价转化为凸优化问题或者被近似为凸优化问题(例如拉格朗日对偶问题)
- 凸优化问题的研究较为成熟,当一个具体被归为一个凸优化问题,基本可以确定该问题是可被求解的
资源目录:
Books HW Lecture_notes2019Spring Project [01]Introduction [02]ConvexSet [03]convexfunctions [04]convexproblems [05]Lagrangeduality [06]DCP [07]grad_descent_unconstrained [08]grad_descent_constrained [09]subgradient_methods [10]mirror_descent [11]proximal_gradient [12]accelerated_gradient [13]smoothing [14]dual_method [15]ADMM [16]stochastic_gradient [17]quasi_Newton [18]Applications Syllabus.pdf 凸优化2020_学习指南.pdf