更新时间：2021-08-06 14:49:06
封面
版权信息
推荐序一
推荐序二
推荐序三
中文版前言
英文版前言
致谢
作者介绍
符号表
第1章 绪论
1.1 机器学习中的优化问题举例
1.2 一阶优化算法
1.3 加速算法中的代表性工作综述
1.4 关于本书
参考文献
第2章 无约束凸优化中的加速算法
2.1 梯度下降法
2.2 重球法
2.3 加速梯度法
2.4 求解复合凸优化问题的加速梯度法
2.5 非精确加速邻近梯度法
2.6 重启策略
2.7 平滑策略
2.8 高阶加速方法
2.9 从变分的角度解释加速现象
第3章 带约束凸优化中的加速算法
3.1 线性等式约束问题的一些有用结论
3.2 加速罚函数法
3.3 加速拉格朗日乘子法
3.4 交替方向乘子法及非遍历意义下的加速算法
3.5 原始-对偶算法
3.6 Frank-Wolfe算法
第4章 非凸优化中的加速梯度算法
4.1 带冲量的邻近梯度法
4.2 快速收敛到临界点
4.3 快速逃离鞍点
第5章 加速随机算法
5.1 各自凸情况
5.2 各自非凸情况
5.3 非凸情况
5.4 带约束问题
5.5 无穷情况
第6章 加速并行算法
6.1 加速异步算法
6.2 加速分布式算法
第7章 总结
附录A 数学基础
A.1 代数与概率
A.2 凸分析
A.3 非凸分析
缩略语表
索引
