ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

【转载】 梯度下降法(steepest descent)和共轭梯度法(conjugate gradient)

2021-03-31 22:35:26  阅读:349  来源: 互联网

标签:descent 推导 gradient 梯度 显而易见 原文 版权 链接


 

 

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

原文文链接:https://blog.csdn.net/tanmx219/article/details/83051908    

==================================================

 

 

 

 

这是一篇自己的理解,不是严格意义上的证明,事实上很多熟悉的公式和推导方式都没有摆上来。推导的过程和方式也没有参考课本,这可能和个人习惯有关系,以前看别人著作时,很怕那种“显而易见”地描述,因为对作者而言显而易见的地方,对读者可能不是。对读者显而易见的地方,作者可能不这么认为。我一直的想法是,如果条件鲁棒,不论你从哪个角度去推导,比如说有的人喜欢展开推导(展开的形式也因人而异),有的更喜欢用向量表达,结果应该都是一样的!

 

 

 

 

 

 

 

 

===============================================

 

标签:descent,推导,gradient,梯度,显而易见,原文,版权,链接
来源: https://www.cnblogs.com/devilmaycry812839668/p/14604102.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有