回答情况：
提问时间：
问题标签：
1回答
我们能用梯度下降找到全局/局部最大值吗？最大限度地发挥功能需要哪些类型的问题？我们能和GD一起做吗？有人能用一个与机器学习相关的例子来解释我的问题吗？
提前谢谢。
浏览 0提问于2019-04-25得票数 2
回答已采纳
我有一个多变量线性回归的工作实现，在R中使用梯度下降，我想看看我是否可以使用我必须运行的随机梯度下降。我不确定这是否真的没有效率。
浏览 2提问于2016-05-27得票数 9
回答已采纳
我试图了解梯度下降，随机梯度下降和小批梯度下降的工作.
在梯度下降的情况下，在每一步计算整个数据集的梯度。所以我想这就像多个任务，在每个任务中，从数据集中查看一个项。最终选择最佳任务的结果。当随机梯度下降时，在每一步得到一个新的随机样本。因此，与上面的多个任务示例不同，只有一个任务，并且在任务的每一步都会选择一个随机样本。我假设所选的新随机样本必须位于比现有样本低的位置？在小型批处理梯度</
浏览 0提问于2022-07-29得票数 0
1回答
如果我们假设这是梯度下降法的公式：
x_{n+1}=x_n-\lambda\cdot{{df(x)}\over{dx}},\ n=0,1,2,3,...
浏览 0修改于2021-06-11得票数 1
回答已采纳
1回答
我正尝试在PyTorch中手动实现梯度下降，作为学习练习。我使用下面的块来根据梯度更新值。问题是如何使用梯度信息正确地更新权重？
浏览 0提问于2018-09-06得票数 11
回答已采纳
1回答
我正在尝试为完全连接的网络配置实现我的神经网络。我对神经网络和人工智能知之甚少，所以它的实现不是很好，而且可能包含错误，但是它已经过测试，并且似乎得到了预期的结果。import numpy as np
浏览 0修改于2022-03-16得票数 3
3回答
他在谈论和解释梯度下降，但我不能不注意到一些事情。以我的数学背景，我知道如果我试图找到函数的全局最小/最大值，我必须首先找到所有的临界点。
浏览 0提问于2019-03-26得票数 1
2回答
这是我在梯度下降算法上的工作#include<math.h>using namespace std;
double f_prime
浏览 2修改于2012-07-30得票数 1
回答已采纳
1回答
我正在尝试在Go中实现一个梯度下降。我的目标是根据汽车的里程数来预测汽车的成本。maxKm) outputResult(theta0, theta1)为了正确实现渐变下降
浏览 0修改于2019-11-13得票数 1
1回答
我遇到了一个有趣的关于神经网络基础的书，以及他说第一章中的梯度下降公式：
梯度下降:对于每一层，根据规则w^l \rightarrow w^l-\frac{\eta}{m} \sum_x \delta
浏览 0修改于2019-08-20得票数 2
回答已采纳
1回答
我在Matlab中有一个梯度下降的问题。我不知道如何构建这个函数。log(1 - p)) / length(matrix);
Jgrad = matrix' * (p - y) / length(matrix);现在我的梯度下降函数
浏览 1提问于2014-04-10得票数 0
1回答
我正在尝试Boyd的“凸优化”一书中的问题9.30。但出于某种原因我不能让回溯线搜索起作用。这是我的代码：A = np.random.randn(m, n)gtol = 1e-3
# return - np.sum(np.log(1-x*x)) - np.sum(np.log(1-A @ x))
浏览 12提问于2022-10-31得票数 0
答案几乎是0，这是正确的)： gradient_descent(gradient=lambda v: 2 * x, start=10.0, learn_rate=0.2) 我如何理解，在经典的GD中，梯度是从所有数据点精确计算出来的此外，我们应该如何将该函数现代化，以便将其命名为SGD (SGD使用单个数据点来计算梯度。( gradient_descent函数中的“单点”在哪里？)
浏览 32修改于2021-11-04得票数 0
我做了一些reach和计算，如果我理解正确，随机梯度下降- "Adam optimiser“基本上是普通的梯度下降，一个具体的，它选择一个随机数据与训练数据集的比例较小，以避免NN陷入gap，这可能不一定反映下降函数中的最小值
浏览 4提问于2017-07-21得票数 1
当我阅读和复习吴家富深造课程的第二节课时，我偶然发现一句话：但这怎么可能？小批处理梯度下降真的能给我们一组更好的权重和偏差，即使它没有根据整个数据集更新它们吗？我只能认为，这可能不是过分适合，这样，它可以提供更好的结果。
浏览 0修改于2020-07-30得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号