![](https://img-blog.csdnimg.cn/20210629125330637.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Convex Optimization
文章平均质量分 86
介绍Convex Optimization基础知识、基础算法、以及目前流行的算法。
MadJieJie
所谓专家,就是在一个领域内精通理论和技术的人。
展开
-
凸优化——判断问题是否为凸问题及转换技巧
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言(Preface)凸问题(Convex Problem)凸集(Convex Set)定义仿射函数(Affine Function)定义(Definition)充要条件(Necessary and Sufficient Condition)Comparison with Linear Function凸函数(Convex Function)凹函数(Concave Function)前言(Preface)注意:本文与《Conv原创 2021-12-17 18:39:36 · 3472 阅读 · 0 评论 -
凸优化基础知识-强凸性&Hessian矩阵的上下限
DirectoryUnconstrained minimization problemsUnconstrained minimization problemsIn this chapter, we discuss methods for solving the unconstrained optimization problemP9.1: f(x)P9.1: ~f(x)P9.1: f(x) where f:Rn→Rf : R_n → Rf:Rn→R is convex an..原创 2021-07-23 19:47:28 · 1213 阅读 · 1 评论 -
凸优化基础知识—逼近&拟合(Approximation & Fitting)
DirectoryApproximation & Fitting6.3.1 Bi-criterion formulation6.3.2 RegularizationInterpretationsTikhonov regularizationSmoothing regularization6.3.3 Reconstruction, smoothing, and de-noisingQuadratic smoothingTotal variation reconstructionApproxim..原创 2021-07-13 16:14:47 · 761 阅读 · 0 评论 -
凸优化基础知识—对偶(Duality)
Directory对偶(Duality)拉格朗日对偶函数(The Lagrange dual function)A. 拉格朗日(Lagrange)B. 朗格朗日对偶函数(The Lagrange dual function)C. 最优值的下界(Lower bounds on optimal value)例子(Examples)线性等式的最小二乘解(Least-squares solution of linear equations)D. The Lagrange dual function and co..原创 2021-07-06 11:11:18 · 2363 阅读 · 0 评论 -
凸优化—凸松弛(Convex Relaxation)
字体希腊字母a. 小写 (Lower Case)语法效果语法效果语法效果语法效果\alphaα\alphaα\betaβ\betaβ\gammaγ\gammaγ\deltaδ\deltaδ\epsilonϵ\epsilonϵ\zetaζ\zetaζ\etaη\etaη\thetaθ\thetaθ\lambdaλ\lambdaλ\muμ\muμ\nuν\nuν\xiξ\xiξ\piπ\piπ\rhoρ\rh原创 2021-07-05 18:41:51 · 6460 阅读 · 0 评论 -
凸优化基础知识—凸集(Convex Sets)
Directory等价问题A. 增加约束:B. 增加次方:C. 消除约束等式约束:等价问题A. 增加约束:min f0(x)s.t. li≤xi≤ui,i=1,...,n.\begin{array}{ll} & \min ~ f_0(x) \\ & s.t. ~~~ l_i \le x_i \le u_i, i=1,...,n.\end{array}min f0(x)s.t. l..原创 2021-07-04 21:19:48 · 1233 阅读 · 2 评论