Optie_f https://blog.hatena.ne.jp/Optie_f/ Optie研 https://optie.hatenablog.com/ Julia 数学 最適化 機械学習 大学で受けた講義の復習として, 表題の内容について自分なりの理解でまとめます. 制約なし最適化問題 凸関数 勾配法（最急降下法） アルミホ規準とバックトラック直線探索 バックトラック直線探索の julia 実装 制約なし最適化問題 とは, 一般の$d$変数関数について, 以下のように定式化されるものでした. $\mathcal{X} \subset \mathbb{R}^d$ 上の目的関数 $f:\mathcal{X}\mapsto\mathbb{R}$ の最小値を求めよ. $$ \min_{\vec{x}\in\mathcal{X}} f(\vec{x}) $$ ただし, $f$ は微分可能… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Foptie.hatenablog.com%2Fentry%2F2019%2F02%2F05%2F003244" title="制約なし最適化問題における勾配法と, Julia によるバックトラック直線探索の実装 - Optie研" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/O/Optie_f/20190204/20190204215018.png Hatena Blog https://hatena.blog 2019-02-05 00:32:44 rich https://optie.hatenablog.com/entry/2019/02/05/003244 1.0 100%