La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Novel First Order Optimization Classification Framework Nouveau cadre de classification d'optimisation de premier ordre

Peter GECZY, Shiro USUI

  • Vues en texte intégral

    0

  • Citer

Résumé:

De nombreux domaines scientifiques et techniques utilisent largement des techniques d'optimisation pour trouver les valeurs de paramètres appropriées des modèles. Diverses méthodes d'optimisation sont disponibles pour une utilisation pratique. Les algorithmes d'optimisation sont classés principalement en fonction des taux de convergence. Malheureusement, il arrive souvent dans la pratique qu'une méthode d'optimisation particulière avec des taux de convergence spécifiés fonctionne de manière sensiblement différente sur diverses tâches d'optimisation. La classification théorique des taux de convergence manque alors de pertinence dans le cadre de l’optimisation pratique. Il est donc souhaitable de formuler un nouveau cadre de classification pertinent pour le concept théorique des taux de convergence ainsi que pour l'optimisation pratique. Cet article présente un tel cadre de classification. Le cadre de classification proposé permet de spécifier des techniques d'optimisation et des tâches d'optimisation. Cela sous-tend également sa relation inhérente avec les taux de convergence. Un nouveau cadre de classification est appliqué à la catégorisation des tâches d'optimisation des polynômes et au problème de la formation de réseaux neuronaux de perceptrons multicouches.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E83-A No.11 pp.2312-2319
Date de publication
2000/11/25
Publicisé
ISSN en ligne
DOI
Type de manuscrit
PAPER
Catégories
Analyse numérique et optimisation

Auteurs

Mots-clés

Table des matières