«optimization» etiketlenmiş sorular

Nocedal & Wright'ın Sayısal Optimizasyon kitabında, bölüm 2.2 (sayfa 27), "Genel olarak konuşursak, çizgi arama algoritmaları için ölçek değişmezliğini güven bölgesi algoritmalarına göre korumak daha kolaydır" bölümünde bir ifade vardır. Aynı bölümde, orijinal değişkenlerin ölçeklendirilmiş sürümleri olan ve hem arama hem de güven bölgesi için yardımcı olabilecek yeni değişkenlere sahip …

11 linear-algebra  optimization  numerical-analysis 

Eşlenik tabanlı optimizasyon yönteminin bir PDE kısıtlı optimizasyon için nasıl çalıştığını anlamaya çalışıyorum. Özellikle, bitişik yöntemin tasarım değişkenlerinin sayısının büyük olduğu, ancak "denklemlerin sayısının az olduğu" problemler için neden daha verimli olduğunu anlamaya çalışıyorum. Anladığım şey: Aşağıdaki PDE kısıtlı optimizasyon sorununu göz önünde bulundurun: minβ I(β,u(β))s.t.R(u(β))=0minβ I(β,u(β))s.t.R(u(β))=0\min_\beta \text{ } I(\beta,u(\beta))\\ …

11 optimization  pde 

Bilinmeyen bir fonksiyon Verilen , biz kendi etki herhangi bir noktada değerini değerlendirmek, ama biz onun ifadesini yok. Başka bir deyişle, f bizim için bir kara kutu gibidir.f:Rd→Rf:Rd→Rf:\mathbb R^d \to \mathbb Rfff minimizer bulma sorununun adı nedir ? Orada bazı yöntemler nelerdir?fff denklemine çözüm bulma sorununun adı nedir ? Orada …

11 optimization 

I çözme am büyük bir seyrek pozitif belirli bir matrisi konjuge gradyan (CG) yöntemi kullanılarak. Çözme sırasında üretilen bilgileri kullanarak determinantını hesaplamak mümkün müdür ?A AA x = bAx=bAx=bbirAAbirAA

11 linear-algebra  optimization  krylov-method  conjugate-gradient 

sistemi verildiğinde burada , Jacobi yinelemesinin bir çözücü olarak kullanılması durumunda, b sıfırdan farklıysa yöntemin birleşmeyeceğini okudum A'nın sıfır uzayındaki bileşen . Peki, b'nin A'nın sıfır boşluğunu kapsayan sıfır olmayan bir bileşeni olması koşuluyla , Jacobi yönteminin yakınsak olmadığı resmi olarak nasıl ifade edilebilir ? Bunun matematiksel olarak nasıl resmileştirilebileceğini …

11 linear-algebra  optimization  matrix  iterative-method  linear-solver 

Ters çevirerek daha lineer regresyon problemleri için standart hataları hesaplamak için daha hızlı bir yolu var mı ? Burada bir gerileme olduğunu varsayıyorum:X′XX′XX'X y=Xβ+ε,y=Xβ+ε,y=X\beta+\varepsilon, burada , n × k matrisidir ve y , n × 1 vektörüdür.XXXn×kn×kn\times kyyyn×1n×1n\times 1 En küçük kareler problemi çözüm bulma için bir şey yapmak için …

11 linear-algebra  optimization 

Bir proje için, bu iki yöntemi uygulamam ve farklı işlevler üzerindeki performanslarını karşılaştırmam gerekiyor. Görünüşe göre konjügat gradyan yöntemi için lineer denklem sistemleri çözmek için kastedilmektedir Ax=bAx=b A\mathbf{x} = \mathbf{b} Burada AAA simetrik, pozitif-kesin ve gerçek n-by-n bir matristir. Öte yandan, gradyan inişini okuduğumda , Rosenbrock işlevi örneğini görüyorum , …

11 optimization  conjugate-gradient 

Yavaş değişen bir veri kümem var ve kovaryans matrisinin özvektörlerini / özdeğerlerini takip etmem gerekiyor. Kullanıyorum scipy.linalg.eigh, ama çok pahalı ve zaten biraz yanlış olan bir ayrışmam olduğu gerçeğini kullanmıyor. Herkes bu sorunla başa çıkmak için daha iyi bir yaklaşım önerebilir mi?

10 linear-algebra  optimization  python  eigenvalues 

Genellikle iç nokta yöntemlerinin ısınmanın zor olduğu genel atasözü ile karşılaşıyorum. Bu tavsiyenin arkasında sezgisel bir açıklama var mı? Bir iç nokta yönteminde sıcak başlangıçtan fayda bekleyebileceğiniz durumlar var mı? Konuyla ilgili bazı yararlı referanslar önerebilir misiniz?

10 optimization  constrained-optimization 

Aşağıdaki gibi görünen bir optimizasyon sorunum var minJ,Bs.t.∑ij|Jij|MJ+BY=XminJ,B∑ij|Jij|s.t.MJ+BY=X \begin{array}{rl} \min_{J,B} & \sum_{ij} |J_{ij}|\\ \textrm{s.t.} & MJ + BY =X \end{array} Burada, değişkenlerim J ve B matrisleridir , ancak tüm problem hala doğrusal bir programdır; kalan değişkenler sabittir.JJJBBB Bu programa en sevdiğim doğrusal programlama araçlarına girmeye çalıştığımda bazı sorunlarla karşılaşıyorum. Yani, …

10 optimization  convex-optimization  linear-programming 

Sorun maksimum f( x ) A x = b'ye tabi maxf(x) subject to Ax=b\max f(\mathbf{x}) \text{ subject to } \mathbf{Ax} = \mathbf{b} burada f(x)=∑Ni=11+x4i(∑Ni=1x2i)2−−−−−−−−−−√f(x)=∑i=1N1+xi4(∑i=1Nxi2)2f(\mathbf{x}) = \sum_{i=1}^N\sqrt{1+\frac{x_i^4}{(\sum_{i=1}^{N}x_i^2)^2}} , x=[x1,x2,...,xN]T∈RN×1x=[x1,x2,...,xN]T∈RN×1\mathbf{x} = [x_1,x_2,...,x_N]^T \in \mathbb{R}^{N\times 1} ve A∈RM×NA∈RM×N\mathbf{A} \in \mathbb{R}^{M\times N} Bunu görebilir f(.)f(.)f(.) formundadır 1+y2−−−−−√1+y2\sqrt{1+y^2} ve bir dışbükey fonksiyonu. Ayrıca f (.) …

10 optimization 

Ben bir işlev maksimize ilgilenen kulüpler , burada θ ∈ R s .f(θ)f(θ)f(\mathbf \theta)θ∈Rpθ∈Rp\theta \in \mathbb R^p Sorun, fonksiyonun veya türevlerinin analitik formunu bilmememdir. Yapabileceğim tek şey bir değer takarak, nokta-bilge işlevini değerlendirmektir Bir GÜRÜLTÜCÜ tahmin ve almak f ( θ * ) bu noktada. İstersem bu tahminlerin değişkenliğini azaltabilirim, …

10 optimization  monte-carlo  simulation 

Python'da tam bir SVM uygulaması yazmaya çalışıyorum ve Lagrange katsayılarını hesaplamak için birkaç sorunum var. Önce doğru yolda olduğumdan emin olmak için algoritmadan anladığımı tekrar yazmama izin verin. Eğer isimli bir veri seti ve sınıf etikettir sonrax1,x2,...,xnx1,x2,...,xnx_1, x_2, ..., x_nx i ∀ i , y i ( w T x …

10 optimization  machine-learning  support-vector-machines  quadratic-programming 

Optimizasyon için Wikipedia'dan : Bilgisayar biliminde, meta-sezgisel bir kaliteyi belirli bir kalite ölçüsüne göre aday bir çözümü geliştirmeye çalışarak bir problemi optimize eden bir hesaplama yöntemi belirler . Meta-sezgiler, optimize edilen problem hakkında az ya da hiç varsayımda bulunmaz ve çok geniş aday çözüm alanlarını arayabilir. Ancak, meta-sezgisel tarama şimdiye …

10 optimization  heuristics 

Kutu kısıtlamaları l o j < = p j < = h i j olan doğrusal olmayan en küçük kareler, min yapmanın önerilen yolları nelerdir ? Bana öyle geliyor ki (aptallar acele ediyor) kutu kısıtlamalarını karesel hale getirebilir ve ∑ i e r r i ( p ) 2 + …

10 optimization  constraints