Group for Research in Decision Analysis

La différentiation automatique pour l'optimisation non linéaire

Alexis Montoison Polytechnique Montréal, Canada

Alexis Montoison

Webinar link
Webinar ID: 967 9568 3307
Passcode: 508648

En mathématiques numériques, la différentiation automatique (DA) diffère de la différentiation numérique, telles que les différences finies, et de la différentiation symbolique. La DA est un ensemble de techniques permettant d’évaluer les dérivées d’une fonction modélisée par un programme informatique sans erreur de troncature. La DA exploite le fait que chaque programme informatique, aussi compliqué soit-il, exécute une séquence d’opérations arithmétiques élémentaires (addition, soustraction, multiplication, division) et d’évaluation de fonctions élémentaires (exp, log, sin, cos, etc...). En appliquant la règle de dérivation en chaîne, les dérivées peuvent être déterminées numériquement à un coût proportionnel à celui de l’exécution du programme d’origine. La présentation sera composée d’une description théorique des concepts de la DA et d’une démonstration informatique à l’aide du langage de programmation Julia.