« Conditions de Karush-Kuhn-Tucker » : différence entre les versions
m (Remplacement de texte — « Source: L'apprentissage profond. Éd.Massot 2018 » par « Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ») |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
[[Catégorie:Vocabulaire]] | [[Catégorie:Vocabulaire]] | ||
[[Catégorie:App-profond-livre]] | [[Catégorie:App-profond-livre]] | ||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie:Scotty]] | [[Catégorie:Scotty]] | ||
[[Catégorie:9]] | |||
== Définition == | == Définition == | ||
En optimisation mathématique, les conditions de Karush–Kuhn–Tucker (KKT), également appelées conditions de Kuhn-Tucker, sont des tests de dérivée première (parfois appelés conditions nécessaires de premier ordre) pour qu'une solution de programmation non linéaire soit optimale, à condition que certaines | En optimisation mathématique, les conditions de Karush–Kuhn–Tucker (KKT), également appelées conditions de Kuhn-Tucker, sont des tests de dérivée première (parfois appelés conditions nécessaires de premier ordre) pour qu'une solution de programmation non linéaire soit optimale, à condition que certaines des conditions de régularité sont remplies. | ||
Permettant les contraintes d'inégalité, l'approche KKT de la programmation non linéaire généralise la méthode des multiplicateurs de Lagrange, qui ne permet que des contraintes d'égalité. | Permettant les contraintes d'inégalité, l'approche KKT de la programmation non linéaire généralise la méthode des multiplicateurs de Lagrange, qui ne permet que des contraintes d'égalité. | ||
== Français == | == Français == | ||
''' | '''conditions de Karush-Kuhn-Tucker''' <small>loc. nom. fém.</small> | ||
'''conditions de Kuhn-Tucker''' <small>loc.nom. fém.</small> | |||
== Anglais == | == Anglais == | ||
Version du 22 février 2020 à 00:33
Définition
En optimisation mathématique, les conditions de Karush–Kuhn–Tucker (KKT), également appelées conditions de Kuhn-Tucker, sont des tests de dérivée première (parfois appelés conditions nécessaires de premier ordre) pour qu'une solution de programmation non linéaire soit optimale, à condition que certaines des conditions de régularité sont remplies.
Permettant les contraintes d'inégalité, l'approche KKT de la programmation non linéaire généralise la méthode des multiplicateurs de Lagrange, qui ne permet que des contraintes d'égalité.
Français
conditions de Karush-Kuhn-Tucker loc. nom. fém.
conditions de Kuhn-Tucker loc.nom. fém.
Anglais
Karush–Kuhn–Tucker conditions
KKT
Kuhn–Tucker conditions
Contributeurs: Jacques Barolet, wiki
