< Terug naar vorige pagina

Project

Numerieke optimalisatiealgoritmes voor grootschalige problemen in machinaal leren en regeltechniek

Het doel van dit doctoraat is het ontwikkelen van nieuwe numerieke optimalisatiealgoritmes voor het oplossen van grootschalige problemen die voorkomen in disciplines zoals machinaal leren en regeltechniek. De focus ligt op de volgende drie aspecten: 1. Theorie: globale convergentieanalyse, analyse van de asymptotische convergentiesnelheid, vermijden van zadelpunten bij niet-convexe problemen, 2. Implementatie: efficiënte numerieke lineare algebraroutines, open-source software, 3. Toepassingen: deep restricted kernel machines, distributioneel robust machinaal leren en regeltechniek

Datum:21 sep 2021 →  Heden
Trefwoorden:Numerical optimization, Scientific computing, Systems & control, Machine learning
Disciplines:Variatieberekening, optimale controle en optimalisatie
Project type:PhD project