基于L1范数的核方法分布鲁棒优化在高维问题上的表现.pdf

基于L1范数的核方法分布鲁棒优化在高维问题上的表现.pdf

  1. 1、本文档共54页,其中可免费阅读17页,需付费100金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

摘要

随着大数据时代的兴起,数据驱动的优化方法在运筹学与统计等领域变得

愈发重要。本研究聚焦于随机规划问题,通过最小化损失函数的期望值来寻找

最优决策。然而,真实世界中的分布通常无法准确得知,而依赖于数据驱动的

方法会受到有限历史数据的影响。这带来了过拟合或欠拟合的挑战,被称为

“优化者诅咒”。本研究的动机在于提升在不确定性环境下模型的泛化能力与

鲁棒性,降低模型风险。

我们关注分布鲁棒优化(DRO)领域,特别

文档评论(0)

qiutianfeng + 关注
实名认证
内容提供者

本账号发布文档来源于互联网,仅用于技术分享交流用,版权为原作者所有。

1亿VIP精品文档

相关文档