斯坦福凸优化课程Video2.4

简介: title: 斯坦福凸优化课程Video2-4tags: notenotebook: 6- 英文课程-14-convex optimization---斯坦福凸优化课程Video2-4超平面分离理论如果两个集合是可分离的凸集那么可以满足下面的条件。

title: 斯坦福凸优化课程Video2-4
tags: note
notebook: 6- 英文课程-14-convex optimization
---

斯坦福凸优化课程Video2-4

超平面分离理论

如果两个集合是可分离的凸集那么可以满足下面的条件。

img_c343407f121c325220b4818743cd3d51.png

在这个条件下,我们画出的图像是这样的:

img_232dea7468798d9f79ca7d56dd92c9c7.png

可以看到,如上图所示的,如果可以用一条直线,超平面,将两个集合划分开来,那么称两个集合为可分离集合。

也同时可以称,直线$ x | a^Tx=b $可以分离C和D。

支持超平面原理

支持超平面是满足方程
img_0df90efe65545c0545127bdebf2330b9.png
的x0是集合c的边界点

img_77f52b03414f978dcf671251dbc13d03.png

如果c是凸的,那么在所有的c的边界点都存在支持超平面。

双锥和广泛不等式

我们先看双锥的定义,双锥是满足如下方程的等式

img_047119e21eb2db37a301321ab38a19e0.png

我们看这幅图,如果我们有一个锥k和一个向量y,那么那么对于我们的向量y的锥
img_68623e247167979f4b07fd2189dd8bea.png

相关文章
|
机器学习/深度学习 语音技术 C++
self-attention - 李宏毅笔记
self-attention - 李宏毅笔记
|
机器学习/深度学习 自然语言处理 机器人
Transformer - 李宏毅笔记
Transformer - 李宏毅笔记
253 0
|
机器学习/深度学习 人工智能 自然语言处理
全球名校AI课程库(15)| Stanford斯坦福 · 线性代数与矩阵方法导论课程『Introduction to Applied Linear Algebra』
快速补充线性代数的必选课程!课程用了非常多的例子和图标,来直观地表示向量、矩阵与复杂世界的关系,并将数学转化为解决工程问题的能力。
2290 1
全球名校AI课程库(15)| Stanford斯坦福 · 线性代数与矩阵方法导论课程『Introduction to Applied Linear Algebra』
|
机器学习/深度学习 数据挖掘 知识图谱
从0开始的GNN导学课程笔记
从0开始的GNN导学课程笔记
从0开始的GNN导学课程笔记
|
机器学习/深度学习 人工智能 自然语言处理
全球名校AI课程库(20)| Stanford斯坦福 · 图机器学习课程『Machine Learning with Graphs』
课程对于graph方向的数据挖掘、机器学习(神经网络)有全面的知识覆盖。如果想学习非结构化的图数据上的各类算法,这是最权威的课程之一。
2308 1
全球名校AI课程库(20)| Stanford斯坦福 · 图机器学习课程『Machine Learning with Graphs』
|
机器学习/深度学习 人工智能 自然语言处理
全球名校AI课程库(17)| Stanford斯坦福 · 强化学习课程『Reinforcement Learning』
课程为强化学习领域提供了坚实的介绍。通过讲座、书面和编码作业的结合,学生将精通强化学习的关键思想和技术。
2293 1
全球名校AI课程库(17)| Stanford斯坦福 · 强化学习课程『Reinforcement Learning』
|
机器学习/深度学习 算法 语音技术
李宏毅2021春季机器学习课程视频笔记2:(选修)深度学习简介,反向传播
李宏毅2021春季机器学习课程视频笔记2:(选修)深度学习简介,反向传播
李宏毅2021春季机器学习课程视频笔记2:(选修)深度学习简介,反向传播
|
机器学习/深度学习 计算机视觉 网络架构
【动手学计算机视觉】第十八讲:卷积神经网络之GoogLeNet
本文的主角GoogLeNet和上篇文章讲到的VGG出现在同一年ILSVRC比赛的舞台上,它在效果方面超过了VGG并取得了当年的冠军。虽然二者出自同一年,但是在模型方面却有着天壤之别,无论是在克服网络深度方面还是在输出层处理方面均提出了非常新颖的思路,本文就来详细介绍一下这个名噪一时的卷积神经网络模型。
【动手学计算机视觉】第十八讲:卷积神经网络之GoogLeNet
|
机器学习/深度学习 算法 数据挖掘
Coursera吴恩达《神经网络与深度学习》课程笔记(2)-- 神经网络基础之逻辑回归
上节课我们主要对深度学习(Deep Learning)的概念做了简要的概述。
207 0
Coursera吴恩达《神经网络与深度学习》课程笔记(2)-- 神经网络基础之逻辑回归
|
机器学习/深度学习 人工智能 算法