個人建議:因為你還沒上研究生,不用深入理解,知道一些凸最佳化概念,以後做research的時候知道在書上找到再學就行了
對於問題2,本人不會用白話文說出這是啥玩意,應該用平面點集的凸殼更容易解釋,不是學數學的,抱歉,也希望諸位能指導一下
pdf作者:Lin XiaoAffiliation: Meta AI Research (原 Facebook AI Research)本文屬於強化學習理論方向,研究了Policy Gradient 系列演算法的收斂速度,在這篇文章中,作者
前備知識的話,別的不說,吃透學好Linear Algebra,會有極大、極大的幫助——以我的教訓來看,這怎麼強調都不為過上面有人提到的兩本書,Introduction to Linear Optimization (BT) 和 Convex
編者按梯度方法是最佳化方法中比較基本的迭代方法,本文分析了梯度方法在不同條件下的收斂性分析,這些條件包括了光滑性,凸性以及強凸性
由於實錐和二階錐的問題都可以轉化為半定錐上的問題, Semi-definite Programming 對於 Convex Optimization 是非常重要的
非凸最佳化學習之路專欄第一篇文章是:從Nesterov的角度看:我們為什麼要研究凸最佳化