Menü
Positionsanzeige
Inhalt

[ 536MATHNUOK19 ] KV (*)Numerical Optimization
Versionsauswahl
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
4,5 ECTS B2 - Bachelor 2. Jahr Mathematik Sepp Hochreiter 3 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Bachelorstudium Artificial Intelligence 2019W
Ziele (*)This course provides an introduction to the theory and to algorithms in linear, non-linear, constrained, and unconstrained numerical optimization.
Lehrinhalte (*)
  • Introduction
  • Fundamentals of Unconstrained Optimization
  • Line Search Methods
  • Trust-Region Methods
  • Conjugate Gradient Methods
  • Practical Newton Methods
  • Quasi-Newton Methods
  • Levenberg-Marquardt Algorithm
  • Predictor Corrector Methods
  • Large-Scale Quasi-Newton and Partially Separable Optimization
  • Least-Squares Problems
  • Fundamentals of Constrained Optimization
  • Linear Programming: Simplex and Interior-Point Methods
  • Quadratic Programming
  • Penalty, Barrier, and Augmented Lagrangian Methods
  • Sequential Quadratic Programming
  • Convex Optimization
  • Online Optimization and Stochastic Algorithms
Beurteilungskriterien
Abhaltungssprache Englisch
Lehrinhalte wechselnd? Nein
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung