第一个书签之前
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 国内外研究现状
1.4 内容结构安排
2.1大规模机器学习问题的基本模型
2.2 相关概念
2.3 基本方法简述
2.3.1 批梯度与随机梯度下降法
2.3.2 随机牛顿法
第三章 光滑经验损失问题的优化方法
3.1 随机梯度法的降噪方法
3.1.1 SVRG方法的基本思想
3.1.2 随机受控的随机梯度(SCSG)方法的导出
3.2 修正的随机L-BFGS方法
3.2.1 拟牛顿法的基本原理
3.2.2 随机L-BFGS方法的导出
3.2.3 随机L-BFGS方法的收敛性分析
3.3 数值分析及分析
3.3.1 SCSG方法的数值实验比较与分析
3.3.2 SL-BFGS方法的数值实验比较与分析
第四章 结构风险最小化问题的优化方法
4.1 邻近随机L-BFGS方法
4.1.1 邻近随机L-BFGS算法的基本思想
4.1.2 邻近随机L-BFGS算法的收敛性分析
4.1.3 小结
4.2 随机次梯度镜面下降方法
4.2.1 镜面下降算法的基本原理
4.2.2 随机镜面下降算法的基本思想
4.2.3 算法的收敛性分析
4.2.4 小结
第五章 总结与展望
5.1 工作总结
5.2 展望
参考文献
致谢
附录:攻读硕士学位期间的研究成果
原 创 性 声 明