梯度上升和梯度下降

關於梯度上升法和梯度下降法的原理,大多數都是純理論的解釋和公式的推導,沒有一種直觀的表達方式。 在這我分別舉出兩個簡單而又直觀的例子,大家就明白了,爲什麼梯度下降法一定是減梯度,而梯度上升法一定是加梯度。   對於梯度下降法來說,在神經網絡中用到,最小化誤差的一種優化方法。 如用梯度下降法求此函數的極小值, 在x1,x2點分別可導, 在x1處導數爲負數,在此函數中,(-∞,0)區間,對任意一點xi
相關文章
相關標籤/搜索