机构名称：
¥ 1.0
数学优化和机器学习可以为未来的指导提供复杂的决策和预测行动。爱德华·罗斯伯格（Edward Rothberg）的《福布斯》（Forbes）的文章重点介绍了这些技术之间的四个关键差异：分析类型，应用程序，适应性和成熟度。数学优化通过考虑多个级别的决策来确保系统性运营绩效，优化盈利能力，同时消耗更少的情况，从而改善了问题的解决。当机器学习在复杂的业务问题上达到限制时，数学优化将取代获得最佳结果。这些高级分析工具包括描述性（对过去或时事的见解），预测性（预测未来事件）和规定性（决定达到业务目标的决定）。在基于历史数据的基于历史数据方面擅长预测机器，但使用最新数据，数学模型和基于算法的求解器，数学优化为挑战业务问题生成了解决方案。机器学习的输出可以指导决策，但无法处理复杂的，相互联系的决策集，例如数学优化可以。机器学习用于各种应用程序，包括图像识别，产品建议和自动驾驶汽车，而数学优化解决了整个企业频谱的大规模业务问题。数学优化和机器学习对我们世界的各个行业和各个方面产生了深远的影响，两种技术在多个领域都被广泛采用。在本节中，共有18篇已发表的论文可用于详细信息。随着企业在以不断变化和中断为特征的环境中运作，数学优化应用程序可以轻松地适应变化的条件，从而提供必要的可见性和敏捷性，以有效地响应中断。相比之下，机器学习应用程序通常在“模型漂移”方面困难，从而导致随着时间的推移降低预测能力。尽管数学优化模型的鲁棒性需要在建筑物上进行更多的前期投资，但它在整个行业中广泛应用了良好的记录。另一方面，机器学习已经达到了普遍存在的状态，但是由于无法满足其能力，因此其膨胀期望的高峰可能会导致幻灭。但是，这两种技术都对世界都有持久和不断扩大的影响，企业找到了创新的方法来利用这些AI工具来应对其最重要的业务挑战。这本数学特刊探讨了优化，机器学习和数学建模的收敛性。从图像识别到自动驾驶汽车的一系列应用程序受益于这些相互联系的字段。鼓励研究人员提交专注于解决复杂问题的新分析或数值方法的论文。潜在的主题包括机器学习基础，新算法和体系结构，数据分析以及在各种科学中的应用。手稿可以在www.mdpi.com上在线提交，并且接受的论文将连续出版在日记中，并具有单盲的同行评审过程。客座编辑Andrey Gorshenin教授，Mikhail Posypkin博士教授以及Vladimir Titarev博士教授邀请研究文章，评论文章或简短的沟通，以展示有关数学建模，优化，优化和机器学习的无与伦比的方法。提交的论文应符合适当的格式，并利用明确的英语写作来进行国际理解。作者可以选择MDPI的专业编辑服务，以在发布之前或在修订过程中完善其工作。本期刊所包含的研究领域包括数学建模，优化技术，控制理论，高性能计算，随机过程，数值分析，计算流体动力学，机器学习和数据分析。为了促进轻松的浏览，根据相关主题组织了论文，使学者可以更轻松地在广泛的范围期刊上行驶。此分类还提高了特殊问题中文章的可见性，这些问题旨在突出特定的研究主题。通过提高可发现性和引文率，这些问题对科学研究的影响产生了重大贡献。创建特殊问题不仅有助于作者之间的联系，而且鼓励科学界的合作努力。此外，这些问题通常通过社交媒体平台获得外部晋升，从而扩大了其覆盖范围和可见度。此外，可以将10篇文章的特殊问题汇编成专用的电子书，以确保快速传播研究结果。有关MDPI关于特殊问题的政策的更多信息，请参阅提供的链接。
数学优化与机器学习
主要关键词
相关文件推荐
