AI 助理
备案控制台
开发者社区 云计算 文章 正文

斯坦福凸优化课程Video2.4_

2018-03-08 768
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： 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img_440fe3a8199110227849c7891c7c26d1.gif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

邻泽居士
目录
相关文章
羽林小王子
|
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
羽林小王子
87 0
羽林小王子
|
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
羽林小王子
264 0
-开发达人-
|
机器学习/深度学习 算法 机器人
从点云到NeRF，多伦多大学CSC 2547课程全面讲解3D计算机视觉
从点云到NeRF，多伦多大学CSC 2547课程全面讲解3D计算机视觉
-开发达人-
140 0
ShowMeAI
|
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。
ShowMeAI
2301 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』
ShowMeAI
|
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。
ShowMeAI
2313 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』
ShowMeAI
|
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。
ShowMeAI
2301 1
全球名校AI课程库（17）| Stanford斯坦福 · 强化学习课程『Reinforcement Learning』
ShowMeAI
|
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（13）| CMU卡内基梅隆 · 多模态机器学习课程『Multimodal Machine Learning』
课程以多模态(MMML)为主题，讲解基本概念、多种数据形态联合建模方法，并回顾近期MMML概率模型和计算算法的论文，讨论当前面临的挑战。
ShowMeAI
2380 1
全球名校AI课程库（13）| CMU卡内基梅隆 · 多模态机器学习课程『Multimodal Machine Learning』
ShowMeAI
|
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（19）| Stanford斯坦福 · 知识图谱课程『Knowledge Graphs』
课程是面向研究生的研究研讨会，围绕多个议题展开理论讲解，并邀请多位著名研究人员和行业从业人员进行特邀讲座，讲解知识图谱在行业的实际应用。
ShowMeAI
2330 1
全球名校AI课程库（19）| Stanford斯坦福 · 知识图谱课程『Knowledge Graphs』
诸神缄默不语
|
机器学习/深度学习 资源调度 并行计算
李宏毅2021春季机器学习课程视频笔记1：Introduction, Colab & PyTorch Tutorials, HW1
李宏毅2021春季机器学习课程视频笔记1：Introduction, Colab & PyTorch Tutorials, HW1
诸神缄默不语
541 0
李宏毅2021春季机器学习课程视频笔记1：Introduction, Colab & PyTorch Tutorials, HW1
游客mjas2nthly4nm
|
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。
游客mjas2nthly4nm
265 0
【动手学计算机视觉】第十八讲：卷积神经网络之GoogLeNet

热门文章

最新文章

  • 1
    Flink SQL 实战：双流 join 场景应用
  • 2
    Webpack构建library时的踩坑经历
  • 3
    《UVM实战》——3.3节field automation机制
  • 4
    关于规则引擎的选型和疑惑思考
  • 5
    线性排序算法（1）
  • 6
    数据泵 TTS（传输表空间技术）
  • 7
    新用户来自哪里 新用户因何而来
  • 8
    NYOJ714-Card Trick
  • 9
    RMAN简明教程之二——RMAN的启动与运行
  • 10
    “单播”、“组播”和“多播”
  • 1
    通义灵码与微软 Azure 的融合创新
    32
  • 2
    “后全球化”时代，IBM和IBM中国如何穿越新的周期？
    34
  • 3
    远离生成式AI大乱斗，SAS公司揭示亚太区千亿AI市场蓝图
    31
  • 4
    引领企业未来数字基础架构浪潮，中国铁塔探索超大规模分布式算力
    32
  • 5
    CIO如何驱动业务增长：IT战略与业务目标深度融合
    27
  • 6
    数字孪生：解锁端到端供应链增长的关键
    21
  • 7
    AI助力电子邮件安全防护，CISO解析新策略
    17
  • 8
    Google Gemini意外超越OpenAI，跃居第一，但基准测试结果并不能说明全部情况
    22
  • 9
    使用GenAI反增工作量的七大途径
    28

    • 相关课程

    更多
  • 【机器学习入门】 台大李宏毅老师经典机器学习课程视频
  • 【算法实战】3. 决策树算法课程
  • 李宏毅2021《机器学习》
  • 机器学习课程 Expectation Maximisation
  • 计算机视觉入门与实践
  • 人人都能学｜AI大模型通识课程

    • 相关电子书

    更多
  • 阿里云总监课第二期——Neural Network Language Model在语音识别中的应用
  • KDD精华论文解读
  • 阿里云总监课第二期——Feedforward Sequential Memory Networks模型以及相关应用
    • 下一篇
    无影云桌面