addConstraint | 为优化问题添加约束 | ||
convex_setup | 正在为convexjlr包执行设置 | ||
cvx_optim | 求解优化问题 | ||
dot | 内积 | ||
dotsort | 两个向量排序后的内积 | ||
entropy | 总和(-x*log(x)) | ||
evaluate | 在优化器中获取表达式的值 | ||
Expr | 创建用于优化问题创建的表达式 | ||
geomean | x和y的几何平均 | ||
huber | 休伯损失 | ||
J | 做一个变量让茱莉亚知道 | ||
lambdamax | x的最大特征值 | ||
lambdamin | x的最小特征值 | ||
logdet | x行列式对数 | ||
logisticloss | 对数(1+exp(x)) | ||
logsumexp | 对数(总和(exp(x))) | ||
matrixfrac | x# 8TP# 8-1十 | ||
maximize | 创建优化问题 | ||
maximum | 最大元素 | ||
minimize | 创建优化问题 | ||
minimum | 最小元素 | ||
neg | 消极部分 | ||
norm | x的p-范数 | ||
nuclearnorm | x的奇异值之和 | ||
operatornorm | x的最大奇异值 | ||
optval | 得到优化问题的性质 | ||
pos | 积极的部分 | ||
problem_creating | 创建优化问题 | ||
property | 得到优化问题的性质 | ||
quadform | x# 8TPx公司 | ||
satisfy | 创建优化问题 | ||
Semidefinite | 为优化问题创建变量 | ||
square | x的平方 | ||
status | 得到优化问题的性质 | ||
sumlargest | 最大元素之和 | ||
sumsmallest | 最小元素之和 | ||
sumsquares | x的平方和 | ||
tr | 矩阵迹 | ||
value | 在优化器中获取表达式的值 | ||
Variable | 为优化问题创建变量 | ||
variable_creating | 为优化问题创建变量 | ||
vec | 矢量表示法 | ||
vecdot | 两个矩阵向量表示的内积 | ||
vecnorm | x的向量表示的p范数 |