深圳2020年7月17日 /美通社/ -- 近期，大巖資本成立七周年慶在深圳成功舉辦。周年慶上量化投資基金經(jīng)理黃鉑博士結(jié)合生活實踐中的案例為大家深入淺出闡釋了最優(yōu)化算法的前世今生。
從實際生活中最基礎(chǔ)的應(yīng)用切入，黃鉑博士將抽象的算法概念生動化，解釋了什么叫最優(yōu)化問題、凸優(yōu)化及算法分類、機器學習與人工智能應(yīng)用。
黃博士的分享內(nèi)容較長，我們將分上、中、下三篇連載推出，本文為下篇。
最優(yōu)化算法的高級應(yīng)用
隨著這些年大數(shù)據(jù)與人工智能的發(fā)展，最優(yōu)化的算法也隨之進一步發(fā)展，接下來幾個應(yīng)用可能更有意思。
第一個應(yīng)用叫壓縮感知，首先我們把一個圖去掉80%、90%的像素點，然后如何還原到原有的圖片，這個問題看起來非常困難，但是在實際應(yīng)用中，壓縮感知的算法就有非常好的效果。與這個問題相關(guān)的，還有很多很優(yōu)美的優(yōu)化算法，比如稀疏優(yōu)化，對偶加速算法、Lasso。
這個算法還有另外一個應(yīng)用，人臉識別。看下圖，這個圖上是同一個人在做各種表情，甚至戴上墨鏡，人臉識別通常會用在海關(guān)、捉拿罪犯。當我們原始輸入的人臉有很多噪音時，它會通過最優(yōu)化算法，將人臉畫像出來，比如當輸入的是戴有墨鏡的人臉，算法會將墨鏡和人臉分離開來。同樣的算法可以應(yīng)用在背景分離，比如我們想要一張非常美的海景，但是又不想要太多人在這個照片上，那么就可以通過這個算法將人物和背景分離開。
看下圖右側(cè)，這是一個電梯口的監(jiān)控錄像，背景是靜止的，而來來往往的人是動態(tài)的，通過最優(yōu)化算法就可以將前景和背景分離出來。這項研究是在2009年由微軟研究員的幾名學者一起研究出來的。
最后一部分是深度學習。深度學習有很多層神經(jīng)網(wǎng)絡(luò)，這個算法在97年就已經(jīng)被提出來了，但是之所以最近才會有非常大規(guī)模的應(yīng)用，因為在算法上會有非常大的提高，我們可以通過GPU來進行加速運算。另外，我們在優(yōu)化算法上也有了非常好的進展。其相關(guān)的優(yōu)化算法是隨機優(yōu)化，顧名思義，它不會優(yōu)化所有的變量、所有的樣本，而是隨機挑選一個或者幾個樣本進行優(yōu)化，然后在不需要看完整樣本的情況下就可以有非常好的效果，可以大規(guī)模的提高模型訓練速度。
最優(yōu)化算法，源于生活高于生活，很多應(yīng)用其實出現(xiàn)在我們每天的日常生活中，希望今天的演講對大家有所幫助。謝謝大家。（完）
