吳恩達導師Michael I.Jordan學術演講：如何有效避開鞍點（視頻+PPT）

機器學習中，非凸優化中的一個核心問題是鞍點的逃逸問題。梯度下降法（GD，Gradient Descent）一般可以漸近地逃離鞍點，但是還有一個未解決的問題——效率，即梯度下降法是否可以加速逃離鞍點。 加州大學伯克利分校教授Michael I. Jordan（吳恩達的導師）就此做了研究，即，使用合理的擾動參數增強的梯度下降法可有效地逃離鞍點。在去年舊金山的O'Reilly和Intel AI Conf

>>阅读原文<<