發(fā)簡信
IP屬地：上海
-
EM算法詳解作為N大機器學習方法的一員，EM算法在各種書籍、博客、網(wǎng)上視頻上被描述或者介紹，每次看完總感覺很多地方含糊不清，不能讓一個初學者（有一定統(tǒng)計概率...
-
無約束優(yōu)化方法-一階導數(shù)（最速下降法）
利用導數(shù)信息的方法皆為間接方法。在無約束優(yōu)化法最開始介紹時，提到迭代形式的優(yōu)化方法關鍵步驟是確定搜索方向和步長。間接方法更為關注搜索方向的確定，...
-
無約束優(yōu)化方法-直接方法（Downhill Simplex）
Downhill simplex 方法又稱為Nelder-Mead算法、Amoeba方法，由Spendley、Hext和Himsworth于19...
-
無約束優(yōu)化方法-直接方法（Powell與改進Powell）在坐標輪換法中，可知其收斂速度慢，且受到等值線的形狀的影像。原因可歸結為其搜索方向總是平行于坐標軸，不適應函數(shù)的變換情況。針對這樣的問題，共軛方...
-
無約束優(yōu)化方法-直接方法（坐標輪換法）無約束最優(yōu)化方法的一般步驟可以總結如下： 選擇初始點，這一點越靠近局部極小點越好；已取得某設計點，選擇一個設計方向，沿此方向搜索，函數(shù)值需是下降...
-
優(yōu)化方法基礎系列-非精確的一維搜索技術選擇最優(yōu)步長的精確搜索方法往往計算量大，特別是當?shù)c遠離最優(yōu)解時，效率很低，而且很多最優(yōu)化算法的收斂速度并不依賴于精確的一維搜索過程。這促使一...
-
優(yōu)化方法基礎系列-精確的一維搜索技術
在學習各種優(yōu)化方法之前，我們需要先從簡單的一維優(yōu)化問題開始，即只有單一變量的優(yōu)化問題，解決這類問題的方法可稱為一維搜索技術，亦可稱為線性所搜（L...
-
優(yōu)化方法基礎系列-優(yōu)化問題分類最優(yōu)化問題可以按照優(yōu)化問題的狀態(tài)來進行分類，可分了兩類，即靜態(tài)問題和動態(tài)問題。本優(yōu)化方法系列主要從靜脈問題方面進行記錄，總結與概述。主要目的是便...