Обсуждение:Двойственность (оптимизация)
Материал из MachineLearning.
(Различия между версиями)
| Строка 2: | Строка 2: | ||
{{tip| | {{tip| | ||
<pre> | <pre> | ||
| - | Роль: Ты — ведущий исследователь в области машинного обучения и математической оптимизации. Напиши эталонную энциклопедическую статью для профессионального ресурса MachineLearning.ru на тему | + | Роль: Ты — ведущий исследователь в области машинного обучения и математической оптимизации. Напиши эталонную энциклопедическую статью для профессионального ресурса MachineLearning.ru на тему «Двойственность в оптимизации». |
Целевая аудитория: мотивированные студенты, преподаватели, исследователи и практикующие специалисты по AI/ML. Статья должна быть полезна как новичку — определения и основные идеи объясняются понятно и интуитивно, — так и профессионалу: приводятся строгие математические результаты, актуальные научные работы и полезные ссылки. | Целевая аудитория: мотивированные студенты, преподаватели, исследователи и практикующие специалисты по AI/ML. Статья должна быть полезна как новичку — определения и основные идеи объясняются понятно и интуитивно, — так и профессионалу: приводятся строгие математические результаты, актуальные научные работы и полезные ссылки. | ||
| Строка 8: | Строка 8: | ||
Требования к содержанию: | Требования к содержанию: | ||
| - | * Дай | + | * Дай формальные определения прямой и двойственной задач оптимизации и объясни геометрическую и экономическую интуицию двойственности. |
| - | * Покажи связь с | + | * Покажи связь с выпуклыми функциями, сопряжёнными функциями, преобразованием Лежандра — Фенхеля, функцией Лагранжа, седловыми задачами и выпуклым анализом. |
| - | * Разбери | + | * Разбери построение двойственной задачи, выбор множителей Лагранжа и интерпретацию двойственных переменных. |
| - | * Приведи основные свойства, теоремы и | + | * Приведи основные свойства, теоремы и условия слабой и сильной двойственности для выпуклых, линейных и негладких задач оптимизации. |
| - | * Объясни роль | + | * Объясни роль условий Слейтера, условий Каруша — Куна — Таккера и ограничительной квалификации в устранении разрыва двойственности. |
| - | * Рассмотри важные | + | * Рассмотри важные частные случаи, включая линейное программирование, квадратичное программирование, задачи на нормы и регуляризованные задачи эмпирического риска. |
| - | * Сделай акцент на применениях в машинном обучении: | + | * Сделай акцент на применениях в машинном обучении: метод опорных векторов, логистическая регрессия, регуляризация, разреженное обучение, максимальная энтропия, вариационный вывод и распределённая оптимизация. |
| - | * Сравни | + | * Сравни лагранжеву двойственность с двойственностью Фенхеля, двойственностью линейного программирования и седловыми формулировками: предпосылки, геометрия, вычислительная сложность и области применения. |
| - | * Укажи ограничения | + | * Укажи ограничения теории двойственности, типичные ошибки при построении двойственной задачи и случаи, когда решение двойственной задачи практически предпочтительнее решения прямой. |
| - | * Используй современные первичные источники и актуальные научные результаты. Чётко отделяй классические результаты от новых обобщений и вариантов | + | * Используй современные первичные источники и актуальные научные результаты. Чётко отделяй классические результаты от новых обобщений и алгоритмических вариантов двойственных методов. |
* Обязательно напиши про применение в ML. | * Обязательно напиши про применение в ML. | ||
| Строка 38: | Строка 38: | ||
* Все утверждения об оценках и свойствах сопровождай точными предпосылками. | * Все утверждения об оценках и свойствах сопровождай точными предпосылками. | ||
| - | * Не смешивай | + | * Не смешивай слабую и сильную двойственность, двойственность Лагранжа, двойственность Фенхеля и условия оптимальности без явного объяснения различий. |
| - | * Профильные термины оформляй как внутренние вики-ссылки, например [[ | + | * Профильные термины оформляй как внутренние вики-ссылки, например [[Выпуклый анализ]], [[Сопряжённая функция]], [[Функция Лагранжа]], [[Условия Каруша — Куна — Таккера]]. Добавь их побольше. |
* Для ключевых определений и теорем приводи ссылки на оригинальные статьи или авторитетные монографии. | * Для ключевых определений и теорем приводи ссылки на оригинальные статьи или авторитетные монографии. | ||
| Строка 56: | Строка 56: | ||
* Сноски оформляй через <ref>Библиографическое описание</ref>. | * Сноски оформляй через <ref>Библиографическое описание</ref>. | ||
| - | * Добавь раздел == Примечания == с тегом <references/>. Сделай отдельно | + | * Добавь раздел == Примечания == с тегом <references/>. Сделай отдельно Литературу и Примечания (литература - список статей и книг, использованных при написании). Для списка литературы используй шаблоны {{статья}}, {{книга}}, {{cite web}}, как в русскоязычной Википедии, и оформляй список литературы как ненумерованный, через *. Как написано в документации сайта: шаблон для простановки библиографических ссылок на статьи из журналов и периодических сборников в случаях, когда на издание есть ссылка из текста статьи, должен использоваться совместно с тегами <ref></ref> и <references />. Пример использования: {{статья |автор = Бубекина Н.В. |заглавие = Книга и библиотека в нравственном воспитании школьников |ссылка = http://www.lib.ru |издание = Массовая библиотека '93: Теория и практика |тип = Сб |место = М. |год = 1993 |том = 2 |номер = 5 |страницы = 29—38 }} |
| - | * Внизу страницы укажи категории [[Категория: | + | * Внизу страницы укажи категории [[Категория:Оптимизация]], [[Категория:Машинное обучение]], [[Категория:Энциклопедия анализа данных]] и при необходимости ещё 1–2 релевантные категории. |
В начале статьи добавь: | В начале статьи добавь: | ||
| - | {{well|Статья написана с использованием LLM ChatGPT (GPT-5.6 Sol Medium) и проверена участником [[Участник:Aleksei Kovalenko|Aleksei Kovalenko]] | + | {{well|Статья написана с использованием LLM ChatGPT (GPT-5.6 Sol Medium) и проверена участником [[Участник:Aleksei Kovalenko|Aleksei Kovalenko]] 19:00, 15 июля 2026 (MSD). Промпт приводится полностью в [[Обсуждение:Двойственность (оптимизация)]].}} |
{{TOCright}} | {{TOCright}} | ||
Выдай только готовый вики-код статьи в документе .txt. Не добавляй комментарии или пояснения до и после текста статьи. | Выдай только готовый вики-код статьи в документе .txt. Не добавляй комментарии или пояснения до и после текста статьи. | ||
| + | |||
</pre> | </pre> | ||
}} | }} | ||
| Строка 72: | Строка 73: | ||
После получения результата были необходимы некоторые правки, а именно починка теха. Промпт 2: | После получения результата были необходимы некоторые правки, а именно починка теха. Промпт 2: | ||
| + | |||
{{tip| | {{tip| | ||
<pre> | <pre> | ||
| - | + | Почти хорошо. Поправь формулы в техе: замени \varnothing на \emptyset, русский язык в формулах посредством \text{} не поддерживается. Также поменяй местами литературу и примечания. Сделай финальную вычитку. | |
</pre> | </pre> | ||
}} | }} | ||
Текущая версия
Промпт 1:
|
Роль: Ты — ведущий исследователь в области машинного обучения и математической оптимизации. Напиши эталонную энциклопедическую статью для профессионального ресурса MachineLearning.ru на тему «Двойственность в оптимизации».
Целевая аудитория: мотивированные студенты, преподаватели, исследователи и практикующие специалисты по AI/ML. Статья должна быть полезна как новичку — определения и основные идеи объясняются понятно и интуитивно, — так и профессионалу: приводятся строгие математические результаты, актуальные научные работы и полезные ссылки.
Требования к содержанию:
* Дай формальные определения прямой и двойственной задач оптимизации и объясни геометрическую и экономическую интуицию двойственности.
* Покажи связь с выпуклыми функциями, сопряжёнными функциями, преобразованием Лежандра — Фенхеля, функцией Лагранжа, седловыми задачами и выпуклым анализом.
* Разбери построение двойственной задачи, выбор множителей Лагранжа и интерпретацию двойственных переменных.
* Приведи основные свойства, теоремы и условия слабой и сильной двойственности для выпуклых, линейных и негладких задач оптимизации.
* Объясни роль условий Слейтера, условий Каруша — Куна — Таккера и ограничительной квалификации в устранении разрыва двойственности.
* Рассмотри важные частные случаи, включая линейное программирование, квадратичное программирование, задачи на нормы и регуляризованные задачи эмпирического риска.
* Сделай акцент на применениях в машинном обучении: метод опорных векторов, логистическая регрессия, регуляризация, разреженное обучение, максимальная энтропия, вариационный вывод и распределённая оптимизация.
* Сравни лагранжеву двойственность с двойственностью Фенхеля, двойственностью линейного программирования и седловыми формулировками: предпосылки, геометрия, вычислительная сложность и области применения.
* Укажи ограничения теории двойственности, типичные ошибки при построении двойственной задачи и случаи, когда решение двойственной задачи практически предпочтительнее решения прямой.
* Используй современные первичные источники и актуальные научные результаты. Чётко отделяй классические результаты от новых обобщений и алгоритмических вариантов двойственных методов.
* Обязательно напиши про применение в ML.
Критерии качества:
* Никакой воды, рекламных формулировок и типичных нейросетевых штампов.
* Стиль академический, строгий и связный, но доступный для первого знакомства с темой.
* Все утверждения об оценках и свойствах сопровождай точными предпосылками.
* Не смешивай слабую и сильную двойственность, двойственность Лагранжа, двойственность Фенхеля и условия оптимальности без явного объяснения различий.
* Профильные термины оформляй как внутренние вики-ссылки, например [[Выпуклый анализ]], [[Сопряжённая функция]], [[Функция Лагранжа]], [[Условия Каруша — Куна — Таккера]]. Добавь их побольше.
* Для ключевых определений и теорем приводи ссылки на оригинальные статьи или авторитетные монографии.
Формат:
* Используй только классическую вики-разметку MachineLearning.ru: заголовки вида == Раздел == и === Подраздел ===, списки через * и #. Markdown запрещён.
* Все математические формулы заключай только в теги <tex>...</tex>. Не используй <math>...</math> и символы $. Учти то, что на сайте используется система MediaWiki, не все формулы из латеха поддерживаются.
* Выключные формулы оформляй так:
:: <tex>...</tex>
* Сноски оформляй через <ref>Библиографическое описание</ref>.
* Добавь раздел == Примечания == с тегом <references/>. Сделай отдельно Литературу и Примечания (литература - список статей и книг, использованных при написании). Для списка литературы используй шаблоны {{статья}}, {{книга}}, {{cite web}}, как в русскоязычной Википедии, и оформляй список литературы как ненумерованный, через *. Как написано в документации сайта: шаблон для простановки библиографических ссылок на статьи из журналов и периодических сборников в случаях, когда на издание есть ссылка из текста статьи, должен использоваться совместно с тегами <ref></ref> и <references />. Пример использования: {{статья |автор = Бубекина Н.В. |заглавие = Книга и библиотека в нравственном воспитании школьников |ссылка = http://www.lib.ru |издание = Массовая библиотека '93: Теория и практика |тип = Сб |место = М. |год = 1993 |том = 2 |номер = 5 |страницы = 29—38 }}
* Внизу страницы укажи категории [[Категория:Оптимизация]], [[Категория:Машинное обучение]], [[Категория:Энциклопедия анализа данных]] и при необходимости ещё 1–2 релевантные категории.
В начале статьи добавь:
{{well|Статья написана с использованием LLM ChatGPT (GPT-5.6 Sol Medium) и проверена участником [[Участник:Aleksei Kovalenko|Aleksei Kovalenko]] 19:00, 15 июля 2026 (MSD). Промпт приводится полностью в [[Обсуждение:Двойственность (оптимизация)]].}}
{{TOCright}}
Выдай только готовый вики-код статьи в документе .txt. Не добавляй комментарии или пояснения до и после текста статьи.
|
После получения результата были необходимы некоторые правки, а именно починка теха. Промпт 2:
|
|
Почти хорошо. Поправь формулы в техе: замени \varnothing на \emptyset, русский язык в формулах посредством \text{} не поддерживается. Также поменяй местами литературу и примечания. Сделай финальную вычитку.
|
После второго промпта результат оказался хорошим, далее я занимался собственным вычитыванием статьи и ее правками.
