Séance de cours

Dualité lagrangienne : Optimisation convexe

Dans cours
DEMO: esse sit dolor
Ut ut duis consequat do cupidatat adipisicing. Sint velit fugiat cillum velit. Sunt mollit eiusmod anim laborum ipsum esse consequat sint enim veniam est non est. Culpa exercitation dolore officia adipisicing irure ipsum deserunt cillum minim. Magna dolore aute fugiat nulla in quis exercitation nostrud.
Connectez-vous pour voir cette section
Description

Cette séance de cours couvre la dualité lagrangienne en optimisation convexe, en commençant par les problèmes de forme conique et les programmes semi-définis. Il explique l'équivalence entre les problèmes convexes et les problèmes de forme conique, introduisant le lagrangien et son rôle dans la transformation des problèmes en formulations min-max. Le double problème est défini, la dualité faible est discutée, et l'importance des solutions doubles est mise en évidence. La séance de cours explore également des problèmes d'optimisation spécifiques tels que les moindres carrés, les programmes linéaires, les programmes quadratiques et les programmes de cônes de second ordre. Les solveurs populaires pour ces problèmes sont présentés, fournissant un aperçu complet des techniques d'optimisation convexes.

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 Mediaspace
Enseignant
cillum deserunt
Nisi sit sunt duis ipsum id ex aliquip adipisicing officia excepteur id. Non excepteur consequat dolor ipsum deserunt sit et in qui nisi. Laborum ut elit do labore nostrud duis voluptate dolor elit aute laboris. Nostrud anim duis ex tempor cupidatat in exercitation aliqua laborum.
Connectez-vous pour voir cette section
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 (45)
Tutoriel d'optimisation convexe : Conditions KKT
Explore les conditions KKT dans l'optimisation convexe, couvrant les problèmes doubles, les contraintes logarithmiques, les moindres carrés, les fonctions matricielles et la sous-optimalité de la couverture des ellipsoïdes.
Problèmes d'optimisation : recherche des voies et affectation des portefeuilles
Couvre les problèmes d'optimisation dans la recherche de chemin et l'allocation de portefeuille.
Le paysage d'optimisation de Convex caché des réseaux neuronaux profonds
Explore le paysage d'optimisation convexe caché des réseaux neuronaux profonds, montrant la transition des modèles non convexes aux modèles convexes.
Méthodes d'optimisation : discussion théorique
Explore les méthodes d'optimisation, y compris les problèmes sans contraintes, la programmation linéaire et les approches heuristiques.
Optimisation avec contraintes : conditions KKT
Couvre les conditions KKT pour l'optimisation avec des contraintes, essentielles pour résoudre efficacement les problèmes d'optimisation.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.