Optimization and Learning via Stochastic Gradient Search

Autor Bernd Heidergott, Felisa Vázquez–abad

Optimization and Learning via Stochastic Gradient Search - Bernd Heidergott,Felisa Vázquez–abad Nedostupné

Optimization and Learning via Stochastic Gradient Search

Autor Bernd Heidergott, Felisa Vázquez–abad

0.0 z 5 hvězdiček 0 hodnocení čtenářů

Kniha ( pevná vazba )

    • Produkt je nedostupný.
E-shopové listy

Při zaslání zboží balíčkem

K nákupu nad 99 Kč dárek zdarma v hodnotě 19 Kč

E-shopové listy

Jíst, či nejíst - To je, oč tu běží

Při zaslání zboží balíčkem

K nákupu nad 1999 Kč dárek zdarma v hodnotě 299 Kč

Jíst, či nejíst - To je, oč tu běží

An introduction to gradient-based stochastic optimization that integrates theory and implementationThis book explains gradient-based stochastic optimization, exploiting the methodologies of stochastic approximation and gradient estimation. Although the approach is theoretical, the book emphasizes developing algorithms that implement the… Přejít na celý popis

Doprava zdarma do Zásilkovny po celý týden Poštovné za 0 Kč? Ano, se Zásilkovnou (Packetou) po celý týden – bez omezení! Více informací

K tomuto produktu zákazníci kupují

Popis Hodnocení 0.0 z 5 hvězdiček 0 Vývoj ceny

Popis

An introduction to gradient-based stochastic optimization that integrates theory and implementationThis book explains gradient-based stochastic optimization, exploiting the methodologies of stochastic approximation and gradient estimation. Although the approach is theoretical, the book emphasizes developing algorithms that implement the methods. The underlying philosophy of this book is that when solving real problems, mathematical theory, the art of modeling, and numerical algorithms complement each other, with no one outlook dominating the others.The book first covers the theory of stochastic approximation including advanced models and state-of-the-art analysis methodology, treating applications that do not require the use of gradient estimation. It then presents gradient estimation, developing a modern approach that incorporates cutting-edge numerical algorithms. Finally, the book culminates in a rich set of case studies that integrate the concepts previously discussed into fully worked models. The use of stochastic approximation in statistics and machine learning is discussed, and in-depth theoretical treatments for selected gradient estimation approaches are included.Numerous examples show how the methods are applied concretely, and end-of-chapter exercises enable readers to consolidate their knowledge. Many chapters end with a section on “Practical Considerations” that addresses typical tradeoffs encountered in implementation. The book provides the first unified treatment of the topic, written for a wide audience that includes researchers and graduate students in applied mathematics, engineering, computer science, physics, and economics.

Sdílet

autoři
Bernd Heidergott | Felisa Vázquez–abad
kategorie
Knihy » Cizojazyčná literatura » English literature » Nonfiction » Science
Témata
Nakladatel
Princeton University Press
Rozměr
262 x 186 x 32
jazyk
angličtina
Vazba
pevná vazba
Hmotnost
1002 g
isbn
978-0-691-24586-7
Počet stran
432
datum vydání
28.10.2025
ean
9780691245867

Hodnocení a recenze čtenářů Nápověda

0.0 z 5 0 hodnocení čtenářů

0× 5 hvězdiček 0× 4 hvězdičky 0× 3 hvězdičky 0× 2 hvězdičky 0× 1 hvezdička

Přidejte své hodnocení knihy

Načíst další hodnocení

Zobrazit všechna hodnocení

Přidat hodnocení

Vývoj ceny

Vývoj ceny Nápověda

Získejte přehled o vývoji ceny za posledních 60 dní.

Maloobchodní cena Minimální prodejní cena: 0 Kč Nápověda

Články, které stojí za pozornost

Zobrazit blog

Články, které stojí za pozornost