Numerical Nonsmooth Optimization / Bagirov, Adil M. ; Gaudioso, Manlio ; Karmitsa, Napsu ; M¤kel¤, Marko M. ; Taheri, Sona  

Público ISBD Ningún comentario para este registro. Título : Numerical Nonsmooth Optimization : State of the Art Algorithms Tipo de documento: documento electrónico Autores: Bagirov, Adil M., ; Gaudioso, Manlio, ; Karmitsa, Napsu, ; M¤kel¤, Marko M., ; Taheri, Sona, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XVII, 698 p. 407 ilustraciones, 15 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-34910-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: La investigación de operaciones  ciencia de la gestión  Análisis numérico  Procesamiento de datos  Econometría  Investigación de Operaciones  Ciencias de la Gestión  Investigación de Operaciones y Teoría de la Decisión  Minería de datos y descubrimiento de conocimientos  Economía cuantitativa Índice Dewey: 003 Teoría general de Sistemas Resumen: Resolver problemas de optimización no suave (NSO) es fundamental en muchas aplicaciones prácticas y sistemas de modelado del mundo real. El objetivo de este libro es estudiar varios métodos numéricos para resolver problemas de NSO y proporcionar una visión general de los últimos avances en este campo. Expertos de todo el mundo comparten sus perspectivas sobre aspectos específicos de las NSO numéricas. El libro se divide en cuatro partes, la primera de las cuales considera métodos generales que incluyen métodos de muestreo de subgradiente, de haz y de gradiente. A su vez, el segundo se centra en métodos que explotan la estructura especial del problema, por ejemplo, algoritmos para programación DC no fluida, técnicas de descomposición VU y algoritmos para problemas minimax y diferenciables por partes. La tercera parte considera métodos para problemas especiales como NSO multiobjetivo y entero mixto, y problemas que involucran datos inexactos, mientras que la última parte destaca los últimos avances en NSO sin derivados. Dado su alcance, el libro es ideal para estudiantes que asisten a cursos sobre optimización numérica no suave, para profesores que imparten cursos de optimización y para profesionales que aplican métodos de optimización no suave en ingeniería, inteligencia artificial, aprendizaje automático y negocios. Además, puede servir como texto de referencia para expertos que se ocupan de la optimización no fluida. Nota de contenido: Introduction -- Part I: General Methods -- Part II: Structure Exploiting Methods -- Part III: Methods for Special Problems -- Part IV: Derivative-free Methods. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Numerical Nonsmooth Optimization : State of the Art Algorithms [documento electrónico] / Bagirov, Adil M., ; Gaudioso, Manlio, ; Karmitsa, Napsu, ; M¤kel¤, Marko M., ; Taheri, Sona,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - XVII, 698 p. 407 ilustraciones, 15 ilustraciones en color. ISBN : 978-3-030-34910-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: La investigación de operaciones  ciencia de la gestión  Análisis numérico  Procesamiento de datos  Econometría  Investigación de Operaciones  Ciencias de la Gestión  Investigación de Operaciones y Teoría de la Decisión  Minería de datos y descubrimiento de conocimientos  Economía cuantitativa Índice Dewey: 003 Teoría general de Sistemas Resumen: Resolver problemas de optimización no suave (NSO) es fundamental en muchas aplicaciones prácticas y sistemas de modelado del mundo real. El objetivo de este libro es estudiar varios métodos numéricos para resolver problemas de NSO y proporcionar una visión general de los últimos avances en este campo. Expertos de todo el mundo comparten sus perspectivas sobre aspectos específicos de las NSO numéricas. El libro se divide en cuatro partes, la primera de las cuales considera métodos generales que incluyen métodos de muestreo de subgradiente, de haz y de gradiente. A su vez, el segundo se centra en métodos que explotan la estructura especial del problema, por ejemplo, algoritmos para programación DC no fluida, técnicas de descomposición VU y algoritmos para problemas minimax y diferenciables por partes. La tercera parte considera métodos para problemas especiales como NSO multiobjetivo y entero mixto, y problemas que involucran datos inexactos, mientras que la última parte destaca los últimos avances en NSO sin derivados. Dado su alcance, el libro es ideal para estudiantes que asisten a cursos sobre optimización numérica no suave, para profesores que imparten cursos de optimización y para profesionales que aplican métodos de optimización no suave en ingeniería, inteligencia artificial, aprendizaje automático y negocios. Además, puede servir como texto de referencia para expertos que se ocupan de la optimización no fluida. Nota de contenido: Introduction -- Part I: General Methods -- Part II: Structure Exploiting Methods -- Part III: Methods for Special Problems -- Part IV: Derivative-free Methods. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Partitional Clustering via Nonsmooth Optimization / M. Bagirov, Adil  

Público ISBD Ningún comentario para este registro. Título : Partitional Clustering via Nonsmooth Optimization : Clustering via Optimization Tipo de documento: documento electrónico Autores: M. Bagirov, Adil, Autor ; Karmitsa, Napsu, Autor ; Taheri, Sona, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XX, 336 p. 78 ilustraciones, 77 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-37826-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Minería de datos y descubrimiento de conocimientos  Inteligencia artificial  Procesamiento de la señal  Sistemas de reconocimiento de patrones  Telecomunicación  Reconocimiento de patrones automatizado  Procesamiento de datos Índice Dewey: 621.382 Ingeniería de comunicaciones Resumen: Este libro describe modelos de optimización de problemas de clusterización y algoritmos de clusterización basados ​​en técnicas de optimización, incluyendo su implementación, evaluación y aplicaciones. El libro da una descripción completa y detallada de los enfoques de optimización para resolver problemas de clusterización; el énfasis de los autores en los algoritmos de clusterización se basa en métodos deterministas de optimización. El libro también incluye resultados sobre algoritmos de clusterización en tiempo real basados ​​en técnicas de optimización, aborda problemas de implementación de estos algoritmos de clusterización y analiza nuevos desafíos que surgen de los macrodatos. El libro es ideal para cualquier persona que enseñe o aprenda algoritmos de clusterización. Proporciona una introducción accesible al campo y es muy adecuado para profesionales que ya están familiarizados con los conceptos básicos de la optimización. Proporciona una descripción completa de los algoritmos de clusterización basados ​​en técnicas de optimización global y no suave. Aborda los problemas de clusterización en tiempo real en grandes conjuntos de datos y los desafíos que surgen de los macrodatos. Describe la implementación y evaluación de algoritmos de clusterización basados ​​en optimización. Nota de contenido: Introduction -- Introduction to Clustering -- Clustering Algorithms -- Nonsmooth Optimization Models in Cluster Analysis -- Nonsmooth Optimization -- Optimization based Clustering Algorithms -- Implementation and Numerical Results -- Conclusion. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Partitional Clustering via Nonsmooth Optimization : Clustering via Optimization [documento electrónico] / M. Bagirov, Adil, Autor ; Karmitsa, Napsu, Autor ; Taheri, Sona, Autor  . -  1 ed.  . - [s.l.] : Springer, 2020 . - XX, 336 p. 78 ilustraciones, 77 ilustraciones en color. ISBN : 978-3-030-37826-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Minería de datos y descubrimiento de conocimientos  Inteligencia artificial  Procesamiento de la señal  Sistemas de reconocimiento de patrones  Telecomunicación  Reconocimiento de patrones automatizado  Procesamiento de datos Índice Dewey: 621.382 Ingeniería de comunicaciones Resumen: Este libro describe modelos de optimización de problemas de clusterización y algoritmos de clusterización basados ​​en técnicas de optimización, incluyendo su implementación, evaluación y aplicaciones. El libro da una descripción completa y detallada de los enfoques de optimización para resolver problemas de clusterización; el énfasis de los autores en los algoritmos de clusterización se basa en métodos deterministas de optimización. El libro también incluye resultados sobre algoritmos de clusterización en tiempo real basados ​​en técnicas de optimización, aborda problemas de implementación de estos algoritmos de clusterización y analiza nuevos desafíos que surgen de los macrodatos. El libro es ideal para cualquier persona que enseñe o aprenda algoritmos de clusterización. Proporciona una introducción accesible al campo y es muy adecuado para profesionales que ya están familiarizados con los conceptos básicos de la optimización. Proporciona una descripción completa de los algoritmos de clusterización basados ​​en técnicas de optimización global y no suave. Aborda los problemas de clusterización en tiempo real en grandes conjuntos de datos y los desafíos que surgen de los macrodatos. Describe la implementación y evaluación de algoritmos de clusterización basados ​​en optimización. Nota de contenido: Introduction -- Introduction to Clustering -- Clustering Algorithms -- Nonsmooth Optimization Models in Cluster Analysis -- Nonsmooth Optimization -- Optimization based Clustering Algorithms -- Implementation and Numerical Results -- Conclusion. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 2 / 2) Por página: 25 50 100 200