最优化学习 常见凸优化问题的类型
2022-11-15
104
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
最优化学习 常见凸优化问题的类型
目录
相关文章
|
存储
供应链
算法
|
4月前
|
调度
决策智能
|
4月前
|
机器学习/深度学习
|
4月前
|
算法
Java
调度
|
6月前
|
机器学习/深度学习
运维
算法
高斯混合模型:GMM和期望最大化算法的理论和代码实现
高斯混合模型(gmm)是将数据表示为高斯(正态)分布的混合的统计模型。这些模型可用于识别数据集中的组，并捕获数据分布的复杂、多模态结构。
366
0
0
|
机器学习/深度学习
算法
机器人
【不确定非线性动力系统的优化算法】【动态集成系统优化与参数估计（DISOPE）技术】DISOPE + MOMENTUM + PARTAN 算法提高非线性动态系统的收敛性研究（Matlab代码实现）
【不确定非线性动力系统的优化算法】【动态集成系统优化与参数估计（DISOPE）技术】DISOPE + MOMENTUM + PARTAN 算法提高非线性动态系统的收敛性研究（Matlab代码实现）
81
0
0
|
存储
机器学习/深度学习
并行计算
|
机器学习/深度学习
传感器
算法
|
机器学习/深度学习
算法
Python
机器学习 - [源码实现决策树小专题]决策树中混杂度数值度量的Python编程实现（信息熵和基尼系数的计算）
顾名思义，所谓混杂度就是指无序程度，一般使用“信息熵”（香浓熵）或者“及逆序数进行度量”。本文介绍及其学习决策树算法中混杂度数值度量的Python编程实现
173
0
0
|
机器学习/深度学习
算法
