Séance de cours
Construction d'une méthode itérative II
Séances de cours associées (31)
Analyse numérique: Systèmes linéaires
Couvre l'analyse des systèmes linéaires, en se concentrant sur des méthodes telles que Jacobi et Richardson pour résoudre des équations linéaires.
Systèmes linéaires : méthodes itératives
Couvre les méthodes itératives pour résoudre les systèmes linéaires, y compris les méthodes Jacobi et Gauss-Seidel.
Méthode Richardson : Solvants itératifs préconditionnés
Couvre la méthode Richardson pour résoudre les systèmes linéaires avec des résolveurs itératifs préconditionnés et introduit la méthode de gradient.
Méthodes Jacobi et Gauss-Seidel
Explique les méthodes Jacobi et Gauss-Seidel pour résoudre les systèmes linéaires itérativement.
Méthodes itératives : Systèmes linéaires
Explore les méthodes itératives pour résoudre les systèmes linéaires, y compris les méthodes Jacobi et Gauss-Seidel, la factorisation Cholesky et le gradient conjugué préconditionné.
Exploration Bias
Explore la régularisation, les algorithmes d'apprentissage et les hypothèses sous-gaussiennes dans l'apprentissage automatique.
Méthodes itératives pour les équations linéaires
Couvre les méthodes itératives pour résoudre des équations linéaires et analyser la convergence, y compris le contrôle des erreurs et les matrices définies positives.
Systèmes linéaires: convergence et méthodes
Explore les systèmes linéaires, la convergence et les méthodes de résolution en mettant l'accent sur les besoins en temps et en mémoire du processeur.
Descente progressive
Couvre le concept de descente de gradient dans les cas scalaires, en se concentrant sur la recherche du minimum d'une fonction en se déplaçant itérativement dans la direction du gradient négatif.
Construction d'une méthode itérative
Couvre la construction d'une méthode itérative pour les systèmes linéaires, en mettant l'accent sur la décomposition matricielle et la convexité.