• [^] # Re: optim non convexe

    Posté par . En réponse à la dépêche Recalage d’images, PIV et corrélation d’images — Les bases théoriques. Évalué à 6.

    Ça à l'air vraiment intéressant les randomized search ! Je ne suis pas vraiment un matheux et du coup j'ai du mal à comprendre l'ensemble. Si j'ai bien compris tu te places dans une sphère de dimension n puis tu cherches une solution sur l'hypersphère de dimension n-1. Si je sais comment me placer sur un hyperplan à partir de la fonction objectif (calcul des dérivées), mais du coup lorsque je mets à jour mon algorithme, je quitte le groupe de départ car je me ballade sur le plan tangent et non sur la sphère de départ. L'idée serait ici de passer non pas sur l'hyperplan mais sur l'hypersphère, je n'ai pas bien compris comment on se place sur une hypersphère. Visiblement c'est via la notion de "normal deviate" mais j'ai encore un peu de mal à bien saisir le principe. C'est ce qui remplace l'opération de gradient, mais sa construction me semble encore obscure.

    Ça à l'air très intéressant mais comment cela se comporte il avec l'augmentation de n ?