Gradientinis nusileidimas
Appearance
![](http://chped.net/https/upload.wikimedia.org/wikipedia/commons/thumb/7/79/Gradient_descent.png/220px-Gradient_descent.png)
Gradientinis nusileidimas – optimizavimo metodas, besiremiantis tuo, kad skaliarinio lauko gradientas visada rodo greičiausio lauko augimo kryptį, o antigradientas – greičiausio mažėjimo kryptį.
Naudojant gradientinio nusileidimo metodą kartojamas žingsnis, nusakomas formule
Čia – ankstesnė parametro, pagal kurį optimizuojama, reikšmė, – nauja šio parametro reikšmė, – tikslo funkcija, o – žingsnio dydis, kuris gali būti arba pastovus, arba keičiamas kiekviename žingsnyje.
Taikymas[redaguoti | redaguoti vikitekstą]
Gradientinio nusileidimo algoritmas yra plačiai naudojamas apmokyti mašininio mokymosi modelius ir neuroninius tinklus.[1]
Šaltiniai[redaguoti | redaguoti vikitekstą]
- ↑ „What is Gradient Descent? | IBM“. ibm.com. Nuoroda tikrinta 2024-02-02.