Inbunden, Engelska, 2025
Del i serien De Gruyter Proceedings in Mathematics
Mathematical Optimization for Machine Learning
Proceedings of the MATH+ Thematic Einstein Semester 2023
Av Konstantin Fackeldey, Aswin Kannan, Sebastian Pokutta, Kartikey Sharma, Daniel Walter, Andrea Walther, Martin Weiser
3049 kr
Beställningsvara. Skickas inom 7-10 vardagar. Fri frakt för medlemmar vid köp för minst 249 kr.
Beskrivning
Mathematical optimization and machine learning are closely related. This proceedings volume of the Thematic Einstein Semester 2023 of the Berlin Mathematics Research Center MATH+ collects recent progress on their interplay in topics such as discrete optimization, nonlinear programming, optimal control, first-order methods, multilevel optimization, machine learning in optimization, physics-informed learning, and fairness in machine learning.
Produktinformation
- Utgivningsdatum: 2025-05-06
- Mått: 170 x 240 x undefined mm
- Vikt: 485 g
- Format: Inbunden
- Språk: Engelska
- Serie: De Gruyter Proceedings in Mathematics
- Antal sidor: 212
- Förlag: De Gruyter
- ISBN: 9783111375854
Utforska kategorier
Mer information
M. Weiser, S. Pokutta, K. Sharma, ZIB, Germany; K. Fackeldey, TU Berlin; A. Kannan, D. Walter, A. Walther, Humboldt-Univ. Germany.
Butikslager
Ej i lager i butik.
Betyg & recensioner
0 recensioner
Inga recensioner tillgängliga.