发简信
IP属地：上海
-
EM算法详解作为N大机器学习方法的一员，EM算法在各种书籍、博客、网上视频上被描述或者介绍，每次看完总感觉很多地方含糊不清，不能让一个初学者（有一定统计概率...
-
无约束优化方法-一阶导数（最速下降法）
利用导数信息的方法皆为间接方法。在无约束优化法最开始介绍时，提到迭代形式的优化方法关键步骤是确定搜索方向和步长。间接方法更为关注搜索方向的确定，...
-
无约束优化方法-直接方法（Downhill Simplex）
Downhill simplex 方法又称为Nelder-Mead算法、Amoeba方法，由Spendley、Hext和Himsworth于19...
-
无约束优化方法-直接方法（Powell与改进Powell）在坐标轮换法中，可知其收敛速度慢，且受到等值线的形状的影像。原因可归结为其搜索方向总是平行于坐标轴，不适应函数的变换情况。针对这样的问题，共轭方...
-
无约束优化方法-直接方法（坐标轮换法）无约束最优化方法的一般步骤可以总结如下： 选择初始点，这一点越靠近局部极小点越好；已取得某设计点，选择一个设计方向，沿此方向搜索，函数值需是下降...
-
优化方法基础系列-非精确的一维搜索技术选择最优步长的精确搜索方法往往计算量大，特别是当迭代点远离最优解时，效率很低，而且很多最优化算法的收敛速度并不依赖于精确的一维搜索过程。这促使一...
-
优化方法基础系列-精确的一维搜索技术
在学习各种优化方法之前，我们需要先从简单的一维优化问题开始，即只有单一变量的优化问题，解决这类问题的方法可称为一维搜索技术，亦可称为线性所搜（L...
-
优化方法基础系列-优化问题分类最优化问题可以按照优化问题的状态来进行分类，可分了两类，即静态问题和动态问题。本优化方法系列主要从静脉问题方面进行记录，总结与概述。主要目的是便...