克里斯汀·贝内特(Kristin P.Bennett)。;埃米利奥·帕拉多·埃尔南德斯 优化和机器学习研究的相互作用。 (英语) Zbl 1222.68146号 J.马赫。学习。物件。 7, 1265-1281 (2006). 概要:机器学习和数学编程领域日益交织在一起。优化问题是大多数机器学习方法的核心。关于机器学习和大规模优化的专题研究了这种相互作用。机器学习研究人员已经接受了数学编程的进步,从而可以追求新类型的模型。专题包括使用二次、线性、二阶锥、半定和半无限程序的模型。我们观察到,从机器学习和优化的角度来看,好的优化算法的质量可能会大不相同。数学编程注重准确性、速度和鲁棒性。由于泛化是机器学习的底线,而训练通常是离线完成的,所以机器学习中很少考虑精度和速度方面的小改进。机器学习更喜欢在合理的计算时间内为特定类别的问题工作的简单算法。将机器学习问题简化为经验丰富的数学编程类,并使用健壮的通用优化代码,使机器学习研究人员能够快速开发新技术。反过来,机器学习对数学编程提出了新的挑战。本期特刊包括两个主题的论文:新型机器学习模型和现有模型的新型优化方法。许多论文融合了这两个主题,对底层核心数学程序进行了一些小改动,从而开发出有效的新算法。 引用于16文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 90C25型 凸面编程 关键词:机器学习;数学规划;凸优化 软件:SHOGUN公司;SVM灯;GPDT公司;优化软件基准 PDF格式BibTeX公司 XML格式引用 \textit{K.P.Bennett}和\textit{E.Parrado-Hernández},J.Mach。学习。第7号决议,1265--1281(2006年;Zbl 1222.68146) 全文: 链接