葛：凸━┳━━┳━凸，原来你真
是博士。
温晓光：当然，你还怀疑这
点？
脸不红心不跳。
聊天到此结束，温晓光去打印，然后发货。
葛瑶儿在晃动实验室邻座林贝：“贝贝，太好
，
找个特别牛逼人！”
请打中文，谢谢。
葛：可是连书都看不懂啊，至今不知道最优化是什
。
对于花钱人，温晓光耐心足够：这说吧。大学应该开设有数学模型这门课，模型就像人学习思考模式，在每次学习过程中，人知道自己怎学，学哪里，学错还可以调整，但模型和计算机没这聪明，
而最优化就是告诉模型应该学什、怎学工具。在数学上，模型学习往往是个映射函数，也就是模型中参数，这个参数好坏通过答案体现，如果不够好，最优化就可以帮助调整，
这说明白吗？
实验室里葛瑶儿果然眼睛放光：嚯，还是博士啊！
温：你把问题整理下，1、2、3条理清楚，统给你作答。现在先给你去发货，你也能早点拿到。可以吗？
葛瑶儿咬着嘴唇想想，发什货啊还没怎样就发货，先测试你下瞧瞧是真是假，
葛：等下，现在正在看，碰到个问题。
温晓光看，回道：那你说吧。
林贝不明所以瞎乐：“什啊？什牛逼人？！”
葛瑶儿也没说什，就是拉她过来把电脑上聊天记录拉出来，“你看。”
林贝：“卧槽！”
葛瑶儿勉勉强强能看懂些，毕竟说那简单，再看不懂就是智障。
她又问：那有地方提到凸优化又是啥啊？
温：凸优化是最优化个子领域，简单来说就是定义在凸集中凸函数最小化问题，凸优化应用价值比较高，所以研究很多。而凸问题局部最优解就是全局最优解，再加上凸优化理论中Lagrange对偶，提供凸优化算法最优性保证。
另外些非凸问题通过定手段可以等价化为凸问题或者用凸问题近似、逼近得到边界，比如深度学习，其中关键BackPropagation算法，本质就是凸优化算法中梯度下降法，即使问题极度非凸，梯度下降还是有很好表现。
明白吗？
葛：就是最优化部分，江理对数学部分作点要求，这和别学校都不样，其实们本科时候都没有开过这门课，所以看起来很费劲。
温：嗯，不必害怕，有要求是未来不论是机器学习，数据挖掘还是深度学习神经网络，即使你运用些简单模型，最优化理论与算法都有比较广泛应用，另外个是出题那个老师擅长数学也重视数学，所以才有这个要求，不过它对这方面要求也只限于解，题目都很简单。
葛瑶儿看这段话人都犯傻，等会儿……
神经网络？
数据挖掘？
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
