Tim Kelley
(919) 515-7163 (office), (919) 515-3798 (FAX) My current research interests are in linear/nonlinear equations, mixed-precision algorithms, neutron transport problems, and computational quantum chemistry and physics. In the past I worked on multilevel methods for integral equations, quasi-Newton methods, semiconductor modeling, optimal control, optimization of noisy functions, and flow in porous me
ベルマンフォードのアルゴリズムで実行される結果も逐次表示 - yasuhisa's blog
離散最適化理論の課題が出ていたので、ベルマンフォードのアルゴリズムを実装してみることにした。アルゴリズムが実行されていく様子の例もレポートに貼ろうと思ったんだけど、アルゴリズムはもうあるんだから、その様子をruby-graphvizとかで吐けばいいじゃんということでやってみた。 pngファイルをアニメーションgifに変換するのはこんな感じで。この辺を参考に。 convert -geometry 320x500! -delay 150 -loop 0 bellman_ford_example_a_uniq*.png bellman_ford_example_a.gif 俺はRubyで書いたわけだけど、こんなことをやってるid:mickey24に「それRでできるよ!!」と言われそうである。 単一始点最短路問題に対するその他のアルゴリズムベルマンフォードのアルゴリズムは単一始点最短路問題に対する
SELECT Lab::Tutorial at ICML 2008: Beyond Convexity - Submodularity in Machine Learning
Beyond Convexity: Submodularity in Machine Learning Description Convex optimization has become a main workhorse for many machine learning algorithms during the past ten years. When minimizing a convex loss function for, e.g., training a Support Vector Machine, we can rest assured to efficiently find an optimal solution, even for large problems. In recent years, another fundamental problem st
Limited-memory BFGS - Wikipedia
Limited-memory BFGS (L-BFGS or LM-BFGS) is an optimization algorithm in the family of quasi-Newton methods that approximates the Broyden–Fletcher–Goldfarb–Shanno algorithm (BFGS) using a limited amount of computer memory.[1] It is a popular algorithm for parameter estimation in machine learning.[2][3] The algorithm's target problem is to minimize over unconstrained values of the real-vector where
CMS
People Open People submenu Faculty Visitors Open Visitors submenu Merkin Distinguished Visiting Professorship Postdoctoral Scholars Open Postdoctoral Scholars submenu Postdoc Alumni Graduate Students Open Graduate Students submenu Graduate Alumni Research Staff Administration Academics Open Academics submenu Graduate Programs Open Graduate Programs submenu Graduate Degree in Applied + Computationa
lp_solve reference guide
<body> You browser does not support frames.<br> Click <a href="menu.htm">here</a> to load menu </body>
GLPKで楽しく最適化しよう！
since 2004/05/01 last update 2005/04/08 access: new! 最新版 glpk4.8 をアップロードしました。 new! 久しぶりに記事を追加しました。 new! GLPKスーパー簡易マニュアルを追加しました。 このページの目的 GLPK(GNU Linear Programming Kit)は最適化の入門者からプロまで幅広く使える 大変良くできたフリーの線形計画ソルバーです。 しかし残念なことに日本においてはほとんど普及しておらず、 付属マニュアルも英語のため、とても敷居の高いものになっています。 また、Unix上で動かすことが前提で作られているので、Windows上で 動作させることがなかなか面倒です。 そこで、WindowsのDOSで動作するようにバイナリも配布することにしました。 このページでは数理計画とは何か、から
ビタビアルゴリズム
ビタビ・アルゴリズム Ｖｉｔｅｒｂｉ ａｌｇｏｒｉｔｈｍ ホーム 情報通信のハイパーテキストは下記へ移動しました。 http://www.mnc.toho-u.ac.jp/v-lab/ お探しの内容は、下記の目次にあります。 http://www.mnc.toho-u.ac.jp/v-lab/yobology/index.htm
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://www.acm.caltech.edu/~nesta/
MATLAB mfiles for Working Analysis
CMS
EE364a: Convex Optimization I