1、夹逼定理 2、导数 导数就是曲线的斜率，是曲线的变化快慢的反映 3、泰勒展开 应用：数值计算和实践中的模型简化 4、方向导数 5、梯度 6、凸函数 ...
分类：
其他好文 时间：
2018-07-29 11:48:06
阅读次数：
151
EM最大期望算法 目录 一、凸函数与凹函数的定义：1 二、Jensen不等式证明1 三、EM算法详解：1 1.最大似然1 2.EM算法1 3.EM算法推导1 4.EM算法步骤：1 5.EM算法的收敛性思考1 6.EM算法的一些思考1 一、凸函数与凹函数的定义： 1.凸函数定... ...
分类：
编程语言 时间：
2018-07-19 22:56:36
阅读次数：
283
1、夹逼定理 2、导数 导数就是曲线的斜率，是曲线的变化快慢的反映 3、泰勒展开 应用：数值计算和实践中的模型简化 4、方向导数 5、梯度 6、凸函数 7、概率论 ...
分类：
其他好文 时间：
2018-07-13 17:39:29
阅读次数：
146
题目大意： 求L的最大值 思路： 可以想象出是一个关于人到灯泡距离x的单峰上凸函数 当光线在墙角左边的时候影子在不断增长 然后通过相似可以推出人在墙上影子的长度为：H+D*(h-H)/x 再加上地上的D-x就可以计算出每个x的函数值了 1 #include<iostream> 2 #include< ...
分类：
其他好文 时间：
2018-06-30 14:37:19
阅读次数：
197
原函数约束很多，不一定是凸函数，也就是说原函数是一个也许有很多极小值的多维空间函数，它是不容易求最小值的。用来拟合，容易陷入局部最小值，得到的结果不够泛化。举例：一个训练好的分类器，对一些东西分类很准（拟合误差达到局部极小值），泛化能力很差（拟合误差不是全局最小）。通过求共轭函数，我们把它原函数映射到另一个多维空间（自变量都变了），变成一个新函数，这个函数是凸的，而且它的最大值小于等于原函数的最小
分类：
其他好文 时间：
2018-06-14 18:10:02
阅读次数：
543
解题关键：三分法裸题，一开始一定要保证函数为凸函数活着凹函数。 ...
分类：
其他好文 时间：
2018-06-09 20:31:43
阅读次数：
166
最近简要地学习了 三分法 这一玄学操作，其实还是比较好理解的。只要多画画图就可以参透。 我们这里以一道经典的模板题来进行讲解： "P3382 【模板】三分法" 我们对于这种 凸性函数求最值 的问题，一般还是选择采用三分。 我们先来观察这种凸性函数（这里以上凸函数为例） 然后我们对于要求最大值的要求， ...
分类：
其他好文 时间：
2018-06-08 22:07:39
阅读次数：
225
斜率凸优化小结 前言 很久以前考了一道叫做"林克卡特树"的题目( 还记得被八省联考支配的恐惧吗？) 正解是用直线去切一个凸函数...... 当时并不是很会。然而$APIO$讲课竟然讲了并且卧槽我竟然还听懂了。 所以就回来把这个坑给填了。 斜率凸优化 当遇到关于需要恰好选取$K$个的$DP$问题的时候 ...
分类：
其他好文 时间：
2018-05-17 16:01:12
阅读次数：
226
蔡佳 绪论 学科概述 最优化是从所有可能的方案中选择最合理的一种方案，以达到最佳目标的科学。 达到最佳目标的方案是最优方案，寻找最优方案的方法 最优化方法（算法）。 这种方法的数学理论即为最优化理论。 是运筹学的方法论之一，是其重要组成部分。 基本概念： 在一些例子中，如选址问题等，有的目标函数和约 ...
分类：
其他好文 时间：
2018-05-12 13:15:54
阅读次数：
200
梯度下降算法： 线性回归模型： 线性假设： 平方差成本函数： 将各个公式代入，对θ0、θ1分别求偏导得： 再将偏导数代入梯度下降算法，就可以实现寻找局部最优解的过程了。 线性回归的成本函数总是一个凸函数，故梯度下降算法执行后只有一个最小值。 “批”梯度下降：每一个步骤都使用所有的训练样本 ...
分类：
编程语言 时间：
2018-02-21 17:46:25
阅读次数：
190
