線上凸最佳化導論

出版背景

凸最佳化是指在最小化（最大化）的最佳化要求下，目標函式是凸函式，且約束條件所形成的可行域集合是一個凸集的最佳化方法。由於能夠順序查詢外部數據源，線上凸最佳化成為獲得凸函式最佳解決方案的方法，並因其在大規模最佳化和機器學習中的可擴展性而得到了廣泛的普及。

Elad Hazan是美國計算機科學家、普林斯頓大學計算機科學系教授，也是自適應梯度算法 AdaGrad 的作者之一。他主要從事機器學習和數學最佳化方面的研究工作，特別是學習機制的自動化及其有效算法的實現，並擁有多項專利。