Séance de cours

Méthode Newton : Optimisation des collecteurs

Description

Cette séance de cours couvre la méthode d'optimisation de Newton sur les collecteurs, en mettant l'accent sur l'exploitation de l'information de deuxième ordre pour minimiser une fonction en douceur sur un collecteur. L'instructeur explique le choix de la rétractation, Riemannian métrique, et le point initial, et itérer des algorithmes pour trouver la solution optimale. En utilisant les extensions Taylor de deuxième ordre et Hessians, une meilleure direction de recherche est déterminée. La séance de cours souligne l'importance de choisir les bons paramètres pour une convergence efficace et discute des inconvénients de la méthode de Newton en termes de comportement global. Diverses corrections telles que les méthodes de trust-region et les méthodes de régularisation cubique sont présentées pour améliorer les performances de l'algorithme.

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.