Učenie pomocou submodulárnych funkcií: Konvexná optimalizácia z pohľadu

Pôvodný názov:

Learning with Submodular Functions: A Convex Optimization Perspective

Obsah knihy:

Submodulárne funkcie sú dôležité pre strojové učenie prinajmenšom z dvoch dôvodov: (1) niektoré problémy možno priamo vyjadriť ako optimalizáciu submodulárnych funkcií a (2) Lovszovo rozšírenie submodulárnych funkcií poskytuje užitočný súbor regularizačných funkcií pre učenie pod dohľadom a bez dohľadu. In Učenie so submodulárnymi funkciami: Teória submodulárnych funkcií je prezentovaná samostatne z pohľadu konvexnej analýzy, pričom predstavuje úzke prepojenie medzi určitými polyedrami, kombinatorickou optimalizáciou a konvexnými optimalizačnými problémami.

Opisuje najmä to, ako je minimalizácia submodulárnych funkcií ekvivalentná s riešením širokej škály konvexných optimalizačných problémov. To umožňuje odvodiť nové efektívne algoritmy pre približnú a presnú minimalizáciu submodulárnych funkcií s teoretickými zárukami a dobrým praktickým výkonom.

Prostredníctvom uvedenia mnohých príkladov submodulárnych funkcií sa v nej skúmajú rôzne aplikácie na strojové učenie, ako je zhlukovanie, návrh experimentov, umiestnenie senzorov, učenie štruktúry grafických modelov alebo výber podmnožín, ako aj rodina štruktúrovaných noriem vyvolávajúcich riedkosť, ktoré možno odvodiť a použiť zo submodulárnych funkcií. Učenie pomocou submodulárnych funkcií: Je to ideálna príručka pre výskumníkov, vedcov alebo inžinierov, ktorí sa zaujímajú o aplikáciu submodulárnych funkcií na problémy strojového učenia.