机器学习优化方法综述论文【附65页论文下载】

【导读】创造智能机器的追求至少可以追溯到20世纪50年代后期数字计算发展的早期阶段。目标是通过学习过去的经验，然后在与过去观察不同的条件下解决复杂问题，使机器能够执行认知功能。在计算能力和数据的指数增长以及广泛的实际应用的推动下，机器学习如今已成为具有战略意义的领域。从广义上讲，机器学习依赖于学习一个模型，该模型在给定特定输入的情况下返回正确的输出。输入，通常是表示定义问题的参数的数值，而输出即响应是表示解的数值。机器学习模型分为两类：监督学习和无监督学习。在监督学习中，响应预测依赖对每个输入的观察，目的是拟合准确预测未来观测响应的模型。另一方面，在无监督学习中，并没有标注好的响应，学习的目标是理解观察的基本特征。这些学习模型的基本理论及其成功在很大程度上归功于计算机科学，统计学和运筹学界面的研究。机器学习和运筹学之间的关系可以从三个方面来看：（a）应用于管理科学问题的机器学习，（b）解决优化问题的机器学习，（c）作为优化问题制定的机器学习问题。 文章探讨各个机器学习模型与的优化方法的关系，将机器学习模型按照优化问题建模，从而将机器学习问题的解决转化为解决优化问题。

机器学习优化模型综述

【摘要】本文对机器学习文献进行了调查，并将机器学习作为优化模型。 受益于数值优化技术的进步，机器学习的性能随之提高。特别地，这篇文章针对回归，分类，聚类和深度神经网络的常用机器学习方法以及机器教学和经验模型学习中的新兴应用，提出了数学优化模型。 讨论了这些模型的优点和缺点，并强调了潜在的研究方向。

【目录】

论文地址：

http://www.zhuanzhi.ai/paper/06d5667f592c44fc6fb066595445d530

https://arxiv.org/abs/1901.05331

【论文下载】

 请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“机器学习优化方法综述” 就可以获取本文的下载链接~ 

• 专知《深度学习：算法到实战》2019年1月正在开讲，欢迎报名！

专知开课啦!《深度学习: 算法到实战》, 中科院博士为你讲授！

专 · 知

   专知《深度学习: 算法到实战》课程正在开讲！ 中科院博士为你讲授！

请加专知小助手微信（扫一扫如下二维码添加），咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程