【2023新书】学习和控制的最优化理论，435页pdf

这段文本可以翻译为：学习与控制优化 为硕士水平提供关于优化理论和算法的学习与控制的全面资源《学习与控制优化》描述了在这些领域中如何使用优化，为无监督学习、有监督学习和强化学习提供了全面的介绍，重点是大规模的学习和控制问题的优化方法。讨论了几个应用领域，包括信号处理、系统识别、最优控制和机器学习。如今，大多数为硕士水平学生提供的有关深度学习的优化方面的材料都集中在表面级的计算机编程上；这些方法背后的优化方法和权衡并没有提供更深入的知识。这本书的目标是以连贯的方式为硕士学生提供这些散落的知识，这些知识目前主要在学术期刊的出版物中可获得。重点是基本的算法原则和权衡。《学习与控制优化》涵盖了如下样本主题：- 优化理论和优化方法，涵盖了像最小二乘问题、二次问题、圆锥优化问题和秩优化等类的优化问题。- 一阶方法、二阶方法、可变度量方法以及非线性最小二乘问题的方法。- 随机优化方法、增强的拉格朗日方法、内点方法和圆锥优化方法。- 用于解决最优控制问题的动态规划及其对强化学习的推广。- 优化理论如何用于发展统计和学习的理论和工具，例如，最大似然法、期望最大化、k-均值聚类和支持向量机。- 如何在最优控制中使用变分法，并为指数分布族导出。 《学习与控制优化》是一个关于该主题的理想资源，供学习哪些优化方法对学习和控制问题有用的科学家和工程师使用；这本书也将吸引那些在不同实际应用中使用机器学习的行业专家。