Optimisation conjuguée des gradients

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (28)

Page 2 sur 3

Convexité et convergence fortes

Explore le rôle de la convexité forte dans les taux de convergence plus rapides pour les algorithmes d'optimisation.

Matrices symétriques et formes quadratiques

Explore les matrices symétriques, les formes quadratiques, la diagonalisation et la précision avec des exemples et des calculs.

Méthodes de descente et recherche de ligne: descente la plus raide pré-conditionnée

Introduit le préconditionnement dans les problèmes d'optimisation et explique l'itération de descente la plus raide.

Matrices symétriques et formes quadratiques

Explore les matrices symétriques, les formes quadratiques et les points critiques dans les fonctions de deux variables.

Formes quadratiques : définitions, exemples

Couvre la définition des formes quadratiques en R^n avec des exemples en R^2 et R^3.

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.

Descente au gradient : principes et applications

Couvre la descente de gradient, ses principes, ses applications et ses taux de convergence en optimisation pour l'apprentissage automatique.

Classement des formulaires quadriratiques

Explore la classification des formes quadratiques basées sur les valeurs propres et la diagonalisation orthogonale des matrices symétriques.

Régression & Linéaires Systemed

Couvre les principes de la régression et des systèmes linéaires, en mettant l'accent sur les méthodes itératives.

Systèmes linéaires : méthodes itératives

Explore les systèmes linéaires et les méthodes itératives comme la descente de gradient et le gradient conjugué pour des solutions efficaces.