Optimizare pentru învățare și control

Titlul original:

Optimization for Learning and Control

Conținutul cărții:

Resursă cuprinzătoare care oferă o introducere la nivel de masterat în teoria optimizării și algoritmi pentru învățare și control

Optimizarea pentru învățare și control descrie modul în care optimizarea este utilizată în aceste domenii, oferind o introducere completă atât la învățarea nesupravegheată, învățarea supravegheată și învățarea de întărire, cu accent pe metodele de optimizare pentru probleme de învățare și control la scară largă.

De asemenea, sunt discutate mai multe domenii de aplicare, inclusiv prelucrarea semnalelor, identificarea sistemelor, controlul optim și învățarea automată.

În prezent, cea mai mare parte a materialului privind aspectele de optimizare ale învățării profunde care este accesibil studenților la nivel de masterat se concentrează pe programarea calculatoarelor la nivel de suprafață; nu sunt furnizate cunoștințe mai aprofundate despre metodele de optimizare și compromisurile care stau la baza acestor metode. Obiectivul acestei cărți este de a face aceste cunoștințe dispersate, disponibile în prezent în principal în publicațiile din revistele academice, accesibile studenților de la masterat într-un mod coerent. Accentul este pus pe principiile algoritmice de bază și pe compromisuri.

Optimizarea pentru învățare și control acoperă subiecte de probă, cum ar fi:

⬤ Teoria optimizării și metode de optimizare, acoperind clase de probleme de optimizare, cum ar fi problemele celor mai mici pătrate, problemele pătratice, problemele de optimizare conică și optimizarea rangurilor.

⬤ Metode de ordinul întâi, metode de ordinul al doilea, metode cu metrică variabilă și metode pentru probleme neliniare cu pătrate minime.

⬤ Metode de optimizare stochastică, metode Lagrangian augmentate, metode de punct interior și metode de optimizare conică.

⬤ Programarea dinamică pentru rezolvarea problemelor de control optim și generalizarea acesteia la învățarea prin consolidare.

⬤ Modul în care teoria optimizării este utilizată pentru a dezvolta teoria și instrumentele de statistică și învățare, de exemplu, metoda probabilității maxime, maximizarea așteptărilor, gruparea k-means și mașinile vectoriale de sprijin.

⬤ Cum este utilizat calculul variațiilor în controlul optim și pentru derivarea familiei de distribuții exponențiale.

Optimization for Learning and Control este o resursă ideală pe această temă pentru oamenii de știință și inginerii care învață despre ce metode de optimizare sunt utile pentru problemele de învățare și control; textul va fi, de asemenea, atractiv pentru profesioniștii din industrie care utilizează învățarea automată pentru diferite aplicații practice.