機械学習論 2009年度
担当：和田山正 講義の概要 多くの統計的機械学習の手法は連続最適化をその基礎としている。特に凸最適化（凸計画法）は近年の統計的機械学習において必須の知識となりつつある。凸最適化は、機械学習のみにとどまらず信号処理、情報伝送、画像処理、制御工学など様々な分野で活躍の場を広げつつある。本講義では、凸最適化の基礎を押さえた上で統計的機械学習に関連する話題をいくつか学ぶ。 教科書は利用しないがS. Boyd and L. Vandenberghe,``Convex optimization''に沿って講義を進める。この本のPDFファイル(出版社の許可のもとに公開されている)を手元にコピーしておき、参考にすることを勧める。 また、参考プログラムを実行、パラメータ変更、改造などしてみて動かして"遊んでみる"ことが理解を深めるために非常に有益である。 評価について 期末試験（８０％〜９０％）＋数回のレポ
Tim Kelley's obsolete home page
Tim's home page has moved to https://ctkelley.github.io.
lp_solve reference guide
<body> You browser does not support frames.<br> Click <a href="menu.htm">here</a> to load menu </body>
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
処理を実行中です
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.cs.caltech.edu/~krausea/sfo/
SeDuMi | Optimization over symmetric cones
GloptiPoly 3
