Introduit la conjugaison Fenchel, explorant ses propriétés, exemples et applications dans les problèmes d'optimisation non lisses et les formulations minimax.

De la descente progressive stochastique à l'optimisation non lissée

Couvre l'optimisation stochastique, la sparsité et la minimisation non lisses par descente subgradielle.

Méthode de cavité et transmission approximative des messages

Explore la méthode de cavité, le passage approximatif du message et les transitions de phase dans les modèles probabilistes.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Recommender Systems : Factorisation matricielle

Explore la factorisation matricielle dans les systèmes de recommandation, couvrant l'optimisation, les mesures d'évaluation et les défis liés à la mise à l'échelle.

Apprentissage automatique scientifique: applications et algorithmes

Explore des applications scientifiques d'apprentissage automatique, des défis avec des données éparses et des algorithmes inspirés de la physique pour améliorer les méthodes spectrales.

Soutenez des machines de vecteur : Hyperparameters et V-SVM

Explore les hyperparamètres SVM, V-SVM avec la variable p et RVM.