那么我们来讲凸函数（convex function）为什么叫做是凸（convex）的： 这是因为凸函数与凸集（convex set）有联系，而凸集的定义没有争议。 1. 凸函数与凸集通过 sublevel sets 这个概念 …

1，首先大家需要知道Convex VS Non-Convex的概念吧？ 数学定义就不写了，介绍个直观判断一个集合是否为Convex的方法，如下图：

为什么 Non-Convex Optimization 受到了越来越大的关注？ 近几年ICMl,NIPS 出现了许多Non-Convex Optimization的论文， 我虽然也在看Non-Convex Optimization… 显示全部 关注者 …

如何理解SCA（successive convex approximation）方法? 在论文中经常看到非凸问题用到SCA方法但是网络上的资料很少，而英文的文献比较难理解 显示全部 关注者 36

Convex Optimization和Numerical Optimization这种课已经经过千锤百炼了，花太多精力去精读两本七百来页的砖头书不是太划算，很多短小精悍lecture notes都可以在网上找到。这里推 …

如何从零开始学习凸优化？ 教材：Convex Optimization（boyd） 数学基础：高数 线性代数 概率论与数理统计 矩阵论（本硕期间上过的数学课） 学习目的：做与机… 显示全部 关注者 2,832 …

今天分享Stephen Boyd巨作《Convex Optimization》书中有关凸集经过哪些变换后仍是凸集的内容，虽然书上也给出一些简要的证明描述，但可能有些小白读者（例如开始的我哈哈）对于书 …

为什么在光滑凸优化研究中，Lipschitz gradient比strongly convex更普遍？ 在凸优化研究的各类论文里，我们经常看到lipschitz gradient的假设，似乎已经是tradition了；与之相比，strongly …

凸优化中strongly convex和L-smooth有什么应用？ 关注者 100 被浏览

其实矩阵的nuclear norm是rank的convex relaxation可以看作是上面的推论。 说一下idea，一个m*n的矩阵 M ，有奇异值分解（SVD） M = U \Sigma V^T 。