待整理¶
QP问题¶
Quadratic programming,二次规划 半正定矩阵 正定矩阵 1.无约束优化问题：\min f(x) 求导，令等于0，在候选中取最优；如果是凸函数，可保证是最优解。 2.有等式约束的优化问题： $$ \begin{aligned} \min f(x) \ s.t. h_i(x)=0;i=1,\ldots ,n \end{aligned} $$
拉格朗日乘子法 3.有不等式约束的优化问题：
\begin{aligned}
\min f(x) \\
s.t. g_i(x) \leq 0;i=1,\ldots ,n \\ h_j(x)=0;j=1,\ldots ,m
\end{aligned}
KKT条件
拉格朗日乘子法¶
KKT条件¶
Karush-Kuhn-Tucker:一个点x成为全局最小值的必要条件 在满足一些有规则的条件下，一个非线性规划能有最优化解的充要条件。这是一个广义化拉格朗日成熟的结果
- cheaper than task-specific
Tasks:
- Reconize
- patterns
- anomalies
- Prediction
一方面理解人脑如何工作，一方面理解由神经元及动态连接启发的并行计算，另一方面则是解决实际问题。
省略生物书神经章节
- vesicles of transmitter
- receptor molecules
一个人有10^{11}个神经元，每个神经元有10^{4}个权重。
大脑皮质不同分区分工不同，但各处构造相似，皮质根据experience由general purpose发展为specific purpose，由此带来迅速的并行计算以及灵活性。
评论
作者: