优化与机器学习研究的互动
克里斯汀·贝内特、埃米利奥·帕拉多·埃尔南德斯; 7(46):1265−12812006年。
摘要
机器学习和数学领域编程越来越相互交织。优化问题它是大多数机器学习方法的核心。特辑机器学习和大规模优化考试专题这种相互作用。机器学习研究人员已经接受了数学规划的进展允许新类型的模型有待追求。专题包括使用二次型、,线性、二阶锥、半定和半无限程序。我们观察到,良好的优化质量机器学习和优化视角下的算法可能会有很大不同。数学编程重视准确性、速度和鲁棒性。因为概括是机器学习和培训的底线通常是完成的离线、精度和小速度方面的改进很小关注机器学习。机器学习更简单在合理计算时间内工作的算法特定类别的问题。减少机器学习问题到经验丰富的数学编程类通用优化代码允许机器学习研究人员迅速开发新技术。反过来,机器学习对数学编程提出了新的挑战。这个特刊包括两个主要主题的论文:小说机器学习模型和新的优化方法现有模型。许多论文融合了这两个主题底层核心数学程序中的更改开发有效的新算法。
[腹肌]
[pdf格式][围兜]