Order Analysis, Deep Learning, and Connections to Optimization (eBook)
XIX, 181 Seiten
Springer-Verlag
978-3-031-67422-8 (ISBN)
This book introduces readers to order analysis and various aspects of deep learning, and describes important connections to optimization, such as nonlinear optimization as well as vector and set optimization. Besides a review of the essentials, this book consists of two main parts.
The first main part focuses on the introduction of order analysis as an application-driven theory, which allows to treat order structures with an analytical approach. Applications of order analysis to nonlinear optimization, as well as vector and set optimization with fixed and variable order structures, are discussed in detail. This means there are close ties to finance, operations research, and multicriteria decision making.
Deep learning is the subject of the second main part of this book. In addition to the usual basics, the focus is on gradient methods, which are investigated in the context of complex models with a large number of parameters. And a new fast variant of a gradient method is presented in this part. Finally, the deep learning approach is extended to data sets given by set-valued data. Although this set-valued approach is more computationally intensive, it has the advantage of producing more robust predictions.
This book is primarily intended for researchers in the fields of optimization, order theory, or artificial intelligence (AI), but it will also benefit graduate students with a general interest in these fields. The book assumes that readers have a basic understanding of functional analysis or at least basic analysis. By unifying and streamlining existing approaches, this work will also appeal to professionals seeking a comprehensive and straightforward perspective on AI or order theory approaches.
| Erscheint lt. Verlag | 22.10.2024 |
|---|---|
| Reihe/Serie | Vector Optimization |
| Zusatzinfo | XIX, 181 p. 64 illus., 63 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Mathematik |
| Wirtschaft ► Allgemeines / Lexika | |
| Schlagworte | Deep learning • gradient methods • Nonlinear Optimization • Order theory • Set Optimization • Set-valued data • Vector Optimization |
| ISBN-10 | 3-031-67422-7 / 3031674227 |
| ISBN-13 | 978-3-031-67422-8 / 9783031674228 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 9,8 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
