Méthodes d'optimisation

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (28)

Page 1 sur 3

Méthodes d'optimisation

Couvre les méthodes d'optimisation sans contraintes, y compris la recherche de gradient et de ligne dans le cas quadratique.

Convexité et convergence fortes

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

Optimisation sans contraintes : méthode de graduation

Couvre l'optimisation sans contraintes en utilisant la méthode de gradient pour trouver le minimum de la fonction.

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.

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.

Méthodes Runge-Kutta

Explique les méthodes Runge-Kutta, en particulier le schéma explicite d'ordre 4 (ERK4), et comment optimiser les paramètres pour la précision.

Méthodes d'optimisation

Couvre l'optimisation sans contrainte et contrainte, le contrôle optimal, les réseaux neuronaux et les méthodes d'optimisation globales.

Optimisation avec contraintes : conditions KKT

Couvre les conditions KKT pour l'optimisation avec des contraintes, essentielles pour résoudre efficacement les problèmes d'optimisation.

Optimisation conjuguée des gradients

Explore l'optimisation Conjugate Gradient, couvrant les cas quadratiques et non linéaires, les conditions Wolfe, BFGS, les algorithmes CG et la symétrie matricielle.

Méthodes d'optimisation : discussion théorique

Explore les méthodes d'optimisation, y compris les problèmes sans contraintes, la programmation linéaire et les approches heuristiques.