Gjør som tusenvis av andre bokelskere
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.Du kan når som helst melde deg av våre nyhetsbrev.
An atomic decomposition provides a description of the most informative features of a solution or a kind of generalized principal component analysis. In this book, the authors describe the rich convex geometry that underlies atomic decomposition and demonstrate its use in practical examples.
Presents a comprehensive statistical learning framework that uses Distributionally Robust Optimization (DRO) under the Wasserstein metric to ensure robustness to perturbationsin the data. The authors introduce the reader to the fundamental properties of the Wasserstein metric and the DRO formulation, before explaining the theory in detail.
This book is an introduction to Acceleration Methods used in convex optimization that enables the reader to quickly understand the important principles and apply the techniques to their own research.
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.