Professional Documents
Culture Documents
Vectoroptimization 200118074429 PDF
Vectoroptimization 200118074429 PDF
석 진 환
용어 정리
• Convex
• Regularization
• L1, L2
최적화 문제 표준적 형태
Step 1. Existence
( Slater’s Condition )
Step 2. Where?
( KKT Condition )
Step 3. How?
( Backtracking Line Search, Gradient Descent, … )
example
최고 와 최선의 차이
Remark.
• Pareto optimal value lies in the boundary of the set of achievable object values.
• Proposition
𝐹𝑜𝑟 𝐶𝑜𝑛𝑣𝑒𝑥 𝑣𝑒𝑐𝑡𝑜𝑟 𝑜𝑝𝑡𝑖𝑚𝑖𝑧𝑎𝑡𝑖𝑜𝑛 𝑝𝑟𝑜𝑏𝑙𝑒𝑚, for every Pareto optimal point 𝑥 RS
, 𝑡ℎ𝑒𝑟𝑒 𝑖𝑠 𝑎 𝑛𝑜𝑛𝑧𝑒𝑟𝑜 𝜆 ≽<∗ 0 𝑠𝑢𝑐ℎ 𝑡ℎ𝑎𝑡 𝑥 RS 𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑒𝑠 𝑡ℎ𝑒 𝑠𝑐𝑎𝑙𝑎𝑟𝑖𝑧𝑒𝑑 𝑝𝑟𝑜𝑏𝑙𝑒𝑚.
• Remark!
• Optimal of the scalarized problem ⟶ Pareto optimal ⋯ 𝜆 ≻<∗ 0
• Pareto optimal ⟶ Optimal of the scalarized problem ⋯ 𝜆 ≽<∗ 0
2. Vector optimization
4. 어떻게? Scalarization !
5. 왜? Proposition에 의해 !
Application
𝐴𝑖𝑚 ∶ 𝑓𝑖𝑛𝑑 𝑥 𝑡ℎ𝑎𝑡 𝑔𝑖𝑣𝑒𝑠 𝑎 𝑔𝑜𝑜𝑑 𝑓𝑖𝑡 𝑎𝑛𝑑 𝑡ℎ𝑎𝑡 𝑖𝑠 𝑛𝑜𝑡 𝑡𝑜𝑜 𝑙𝑎𝑟𝑔𝑒
극소점 ∶ 미분해서 0이 되는 점
- Fitting 을 우선시할지
- Regularization 을 우선시 할지 𝜇 ≫ 1
Application
• 𝒙 가 시간에 따른 변수일 때
• (ex, 𝑥d : [0, 1]을 n분할 했을 때, i/n 시점의 온도)
• | 𝒙 | 대신에 | 𝐷𝒙 | 를 넣는다.
• 𝐷𝑥 : 𝑥 의 변동성이나 매끄러운 정도를 측정하는 함수
Smoothing regularization
𝛿=0
𝜇 = 0.05
𝛿 = 0. 3
𝜇 = 0.05
𝛿 가 커질수록 smoothing 해지고
𝜇 가 커질수록 input의 크기가 작아진다.
Application
• 𝑥oSp = 𝑥 + 𝑣, 𝑣 ∶ 𝑛𝑜𝑖𝑠𝑒