Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Quasi-Newton Methods: A New Direction

Hennig, P., & Kiefel, M. (2012). Quasi-Newton Methods: A New Direction. In J. Langford, & J. Pineau (Eds.), 29th International Conference on Machine Learning (ICML 2012) (pp. 25-32). Madison, WI, USA: International Machine Learning Society.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-B6CA-1 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0001-1BAF-D
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://icml.cc/2012/papers/25.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Hennig, P1, Autor           
Kiefel, M1, Autor           
Affiliations:
1Dept. Empirical Inference, Max Planck Institute for Intelligent Systems, Max Planck Society, DE, ou_1497647              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Four decades after their invention, quasi- Newton methods are still state of the art in unconstrained numerical optimization. Although not usually interpreted thus, these are learning algorithms that t a local quadratic approximation to the objective function. We show that many, including the most popular, quasi-Newton methods can be interpreted as approximations of Bayesian linear regression under varying prior assumptions. This new notion elucidates some shortcomings of classical algorithms, and lights the way to a novel nonparametric quasi-Newton method, which is able to make more ecient use of available information at computational cost similar to its predecessors.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2012-07
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: HennigK2012
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 29th International Conference on Machine Learning (ICML 2012)
Veranstaltungsort: Edinburgh, UK
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: 29th International Conference on Machine Learning (ICML 2012)
Genre der Quelle: Konferenzband
 Urheber:
Langford, J, Herausgeber
Pineau, J, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Madison, WI, USA : International Machine Learning Society
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 25 - 32 Identifikator: ISBN: 978-1-4503-1285-1