DMC第三讲
时间:4月3日周五 18:00~20:00
腾讯会议ID:895 181 947
最优化方法&图论
我们的生活中常常遇到优化问题,比如会思考“在一定条件下,如何使利润最大化”等。最优化方法是一种数学方法,它是研究(在给定约束下)如何寻求某些因素,以使某一或某些指标达到最优的方法的统称。今天,我们将从机器学习和运筹两个角度带大家探寻优化问题的前世今生,与此同时也将介绍数据结构和算法学中最强大的框架-图论。
主要内容
1
梯度下降算法
梯度下降算法是最为常用的优化问题求解算法之一,经过了数十年的发展,其在基本的SGD模型的基础上不断改进,增加了引入动量的动量法、对参数使用自适应学习率的Ada家族等。近两年,关于梯度下降算法模型的理解和改进仍在不断进行,我们将从最初的SGD算法开始,讲解梯度下降算法的改进过程,并着重介绍近几年最新的改进思路。
2
图论
图(graph)近来正逐渐变成机器学习的一大核心领域,比如你可以通过预测潜在的连接来理解社交网络的结构、检测欺诈、理解汽车租赁服务的消费者行为或进行实时推荐。图论〔Graph Theory〕是数学的一个分支。它以图为研究对象。我们将介绍图论的基本概念:图是什么,图的基本类型与性质,如何表示与存储图;以及经典的图算法:图的搜索算法、寻路算法以及拓扑排序算法
3
动态规划
动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法。美国数学家R.E.Bellman等人在20世纪五十年代把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解,创立了解决这类过程优化问题的新方法--动态规划。我们将介绍动态规划的基本概念,包括模型及其基本特征,并通过实例介绍动态规划算法应用的整体思路。
扫码关注我们
DMC