Gradientenverfahren für konvexe Funktionen

Sven-Ake Wegner ()

Chapter Kapitel 17 in Mathematische Einführung in Data Science, 2023, pp 265-284 from Springer

Abstract: Zusammenfassung Im letzten Kapitel geben wir eine Einführung zum Gradientenverfahren, welches bei vielen Data-Science- und Machine-Learning-Problemen zum Einsatz kommt. Neben klassischen Resultaten zur Konvergenz des Verfahrens für μ-konvexe und L-glatte Funktionen diskutieren wir auch den Fall, dass die zu minimierende Funktion lediglich konvex und differenzierbar ist.

Date: 2023
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-68697-3_17

Ordering information: This item can be ordered from
http://www.springer.com/9783662686973

DOI: 10.1007/978-3-662-68697-3_17

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().