Para dar una explicación intuitiva de por qué algunos programas cuadráticos no son convexos, considere lo siguiente. La función [matemática] x ^ TAx [/ matemática] define una superficie cuadrática. Si A es positivo, entonces la superficie se ve como un tazón. Así como esto:
Si A es indefinido, entonces la superficie se ve como una especie de silla de montar, así como:
Y si la superficie es negativa definida, entonces parece un recipiente al revés. Por supuesto, los he dibujado para funciones bidimensionales. Pero la intuición se aplica en dimensiones superiores. Entonces, la cuestión de qué casos no son convexos es sencilla. Obviamente, maximizar o minimizar para el caso indefinido no es convexo.
Para su pregunta específica, si está maximizando [matemática] x ^ TAx [/ matemática] bajo las restricciones del cuadro y A es positivo definido (por lo que parece un tazón), entonces cada esquina del cuadro es un maximizador local diferente, así que de nuevo no es obviamente convexo También es realmente difícil ya que el número de esquinas es exponencial en el número de dimensiones. Entonces, en el caso más difícil, tendría que enumerarlos todos, lo que obviamente no es práctico. Esto también debería darle una idea de por qué es posible hacer una correspondencia entre un problema NP-completo como 3SAT y la programación cuadrática en este caso muy difícil, como señala Hadayat Seddiqi.
- ¿Cuál es / son los métodos para iniciar / elegir filtros en redes neuronales convolucionales?
- ¿Por qué es tan difícil la IA? ¿Por qué todavía no hemos construido una máquina de IA?
- Utilizando la regresión logística y la regularización L1 / L2, ¿debo preocuparme por la selección de características?
- ¿Existe un programa de tipo PageRank para organizar mis canales RSS diarios?
- Cómo aprender un campo aleatorio condicional