Séance de cours
Algorithmes d'optimisation
Dans cours
DEMO: exercitation id
Veniam pariatur do dolore proident sunt exercitation magna amet veniam ipsum exercitation eu dolor nulla. Occaecat et enim elit aute consectetur voluptate. Aliquip non laboris excepteur pariatur anim irure ad aliquip qui.
Description
Cette séance de cours couvre les algorithmes d'optimisation, en mettant l'accent sur Proximal Gradient Descent et ses variations, telles que Proximal GD avec différentes tailles de pas et applications. L'instructeur discute des fondements théoriques et des implémentations pratiques de ces algorithmes.
Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.
Regarder sur MediaspaceEnseignants (2)
aute magna nisi commodo
Consectetur id laboris eu cillum reprehenderit magna est enim quis consequat exercitation cillum eiusmod. Ipsum quis ut officia excepteur ullamco elit nulla nulla aliqua. Mollit duis et dolore exercitation eu tempor Lorem consectetur. Ea exercitation incididunt nisi non mollit officia consequat ad tempor mollit exercitation. Laboris exercitation labore irure et proident elit sit ut anim ipsum. Magna aliquip ex excepteur consequat voluptate culpa id laboris.
ad magna dolor eu
Voluptate excepteur est quis aute dolore fugiat dolor Lorem proident do commodo esse do proident. Proident do proident exercitation eiusmod occaecat mollit sunt elit reprehenderit nostrud commodo nulla. Consequat esse minim ea nisi duis minim enim. Sunt pariatur eu ipsum ex nostrud elit. Commodo sunt cillum eiusmod pariatur enim consectetur cillum exercitation commodo. Do Lorem et incididunt consectetur incididunt velit laboris ut veniam.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (128)
Bandits à bras multiples
Discute des algorithmes pour équilibrer l'exploration et l'exploitation dans les processus décisionnels.
Optimisation quasi-newton
Couvre les méthodes de recherche de ligne de gradient et les techniques d'optimisation en mettant l'accent sur les conditions Wolfe et la définition positive.
Réduction des écarts : stratégies et applications
Discute des techniques de réduction de la variance dans la simulation stochastique, en se concentrant sur les stratégies d'allocation et les algorithmes de génération de répliques.
Introduction aux algorithmes
Explore les ingrédients et la sélection d'algorithmes pour différents objectifs.
Programmation linéaire: Résoudre les LP
Couvre le processus de résolution des programmes linéaires (LP) à l'aide de la méthode simplex.