Séance de cours

Méthodes d'optimisation : Convexité et descente progressive

Description

Cette séance de cours couvre l'optimisation des fonctions sous contraintes, en mettant l'accent sur la réduction des coûts. Les sujets comprennent les définitions subdifférenciales, les méthodes subgradielles, la convexité et l'optimisation itérative. Des exemples comme l'estimation de la probabilité maximale, l'estimation des moindres carrés et la régression des crêtes sont discutés. La séance de cours se penche également sur les méthodes de descente par gradient, la sélection par étapes, la minimisation convexe sans contrainte et le taux de convergence de descente par gradient. On explore les interprétations géométriques, la minimisation non convexe et la nécessité d'une optimisation non convexe, ainsi que l'interprétation géométrique de la stationnarité et des hypothèses dans la méthode du gradient.

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.