Primal-dual Optimization III: Méthodes de gradient lagrangien

Cette séance de cours couvre les méthodes d'optimisation primal-dual, en se concentrant sur les techniques de gradient lagrangien. Il se penche sur les mathématiques derrière l'optimisation des données, y compris les formulations convexes, les solutions e-précise, et diverses méthodes primal-dual. L'instructeur explique la pénalité quadratique et les formulations lagrangiennes, les doubles problèmes augmentés et la méthode lagrangienne augmentée linéarisée. Des exemples tels que la déconvolution d'image aveugle, la poursuite de base et les réseaux neuronaux sont utilisés pour illustrer les concepts. La séance de cours se termine par des discussions sur les garanties de convergence, la CGM lagrangienne augmentée et des applications telles que le clustering k-means et la programmation semi-définie évolutive.