亮点
参考文献
简介
《在线凸优化(第２版)》全面更新，深入探索优化和机器学习交叉领域，详细介绍日常生活中许多系统和模型的优化过程。 ● 第2版亮点: 增加了关于提升、自适应遗憾和可接近性的章节 ● 扩大了优化和学习理论的覆盖面 ● 应用实例包含专家建议投资组合选择、矩阵补全推荐系统和支持向量机训练等 ● 指导学生完成练习
编辑推荐
近年来，随着机器学习和计算机技术的不断发展，以及在Web上收集大量数据的普及，在线广告优化、在线投资组合、在线博弈学习等应用已成为工业和学术界关注的热点。而在线凸优化是一种专门用于处理在线学习过程中凸优化问题的优化理论。我们非常高兴介绍由普林斯顿大学教授埃拉德●哈赞(Elad Hazan)撰写的《在线凸优化(第2版)》，书中包括了在线凸优化的基本概念和方法，并详细讨论了在线凸优化的性能保证问题，还介绍了一些最新的在线凸优化算法。本书涵盖了在线凸优化领域的许多关键问题，为我们提供了一份全面的指南。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2024-06-01
- 更新： 2024-10-24
- 书号：9787302661122
- 中图：O174.13
- 学科：理学数学
