凸函數

凸優化 [1]：梯度與次梯度凸優化 [1]：梯度與次梯度
凸優化與非線性規劃線性代數算法凸函數
06-28
Understanding the ADMM algorithmADMM1. What is optimization problem?2. Dual Gradient Ascent3. Augmented Lagrangian Method4.ADMM
算法 ADMM optimization Convex 凸函數
06-28
凸集、凸函數、凸優化的一些筆記
數學模組化凸函數凸優化非線性規劃牛頓法
06-23
動手學深度學習之從批量歸一化和殘差網絡、凸優化、梯度下降主要内容：批量歸一化（BatchNormalization）殘差網絡（ResNet）稠密連接配接網絡（DenseNet）凸性（Convexity）3、梯度下降Hide learning rate for now随機梯度下降小批量随機梯度下降如何更新參數本函數已儲存在d2lzh_pytorch包中友善以後使用
随機梯度下降深度學習凸函數人工智能
05-23
梯度下降算法的細節補充（凸函數，導數，偏導數，梯度，方向導數以及負梯度下降最快背後的泰勒身影）
機器學習筆記數學基礎梯度下降法凸函數導數和梯度
05-18
凸函數性質
凸優化凸函數一階條件二階條件函數組合保持凸性
04-10
漫步凸分析五——函數運算
漫步凸分析凸函數保凸運算
04-02
EM算法-完整推導
極大似然法貝葉斯公式凸函數 EM算法 jenseen不等式
08-23
凸優化基礎知識題
凸函數嵌入式
03-11
1. EM算法-數學基礎
EM算法凸函數 jensen不等式極大似然估計
12-15
02-凸函數
凸函數
07-02