本文主要研究内容
作者郭田德,韩丛英（2019）在《从数值最优化方法到学习最优化方法》一文中研究指出：传统最优化问题的求解方法主要是以梯度法为基础的数值最优化方法,它是解析与数值计算相结合的迭代求解方法,是一种基于固定模式的最优化方法.算法的迭代过程实质上是对迭代点进行非线性变换的过程,该非线性变换是通过一系列方向和步长来实现.对于最优化问题的每一个实例,都需要从头到尾执行整个算法,计算复杂度是固定的.一旦算法被程序实现,算法的效率(计算精度和复杂度)就被固定.人工智能解决问题的方法都具有学习功能.随着人工智能,特别是深度学习的兴起,学习类方法在一些领域取得了巨大的成功,如图像识别(特别是人脸识别、车牌识别、手写字符识别等)、网络攻击防范、自然语言处理、自动驾驶、金融、医疗等.本文从新的视角研究传统的数值最优化方法和智能优化方法,分析其特点,由此引出学习最优化方法,并对它们进行了对比,提出了学习最优化方法的设计思路.最后,以组合最优化为例,对该类方法的设计原理进行阐述.
Abstract
chuan tong zui you hua wen ti de qiu jie fang fa zhu yao shi yi ti du fa wei ji chu de shu zhi zui you hua fang fa ,ta shi jie xi yu shu zhi ji suan xiang jie ge de die dai qiu jie fang fa ,shi yi chong ji yu gu ding mo shi de zui you hua fang fa .suan fa de die dai guo cheng shi zhi shang shi dui die dai dian jin hang fei xian xing bian huan de guo cheng ,gai fei xian xing bian huan shi tong guo yi ji lie fang xiang he bu chang lai shi xian .dui yu zui you hua wen ti de mei yi ge shi li ,dou xu yao cong tou dao wei zhi hang zheng ge suan fa ,ji suan fu za du shi gu ding de .yi dan suan fa bei cheng xu shi xian ,suan fa de xiao lv (ji suan jing du he fu za du )jiu bei gu ding .ren gong zhi neng jie jue wen ti de fang fa dou ju you xue xi gong neng .sui zhao ren gong zhi neng ,te bie shi shen du xue xi de xing qi ,xue xi lei fang fa zai yi xie ling yu qu de le ju da de cheng gong ,ru tu xiang shi bie (te bie shi ren lian shi bie 、che pai shi bie 、shou xie zi fu shi bie deng )、wang lao gong ji fang fan 、zi ran yu yan chu li 、zi dong jia shi 、jin rong 、yi liao deng .ben wen cong xin de shi jiao yan jiu chuan tong de shu zhi zui you hua fang fa he zhi neng you hua fang fa ,fen xi ji te dian ,you ci yin chu xue xi zui you hua fang fa ,bing dui ta men jin hang le dui bi ,di chu le xue xi zui you hua fang fa de she ji sai lu .zui hou ,yi zu ge zui you hua wei li ,dui gai lei fang fa de she ji yuan li jin hang chan shu .
论文参考文献
论文详细介绍
论文作者分别是来自运筹学学报的郭田德,韩丛英，发表于刊物运筹学学报2019年04期论文，是一篇关于人工智能论文,深度学习论文,数值最优化方法论文,学习最优化方法论文,运筹学学报2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自运筹学学报2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：人工智能论文; 深度学习论文; 数值最优化方法论文; 学习最优化方法论文; 运筹学学报2019年04期论文;