情報科学 › 機械学習の数学 › 勾配降下法

勾配降下法

定義 4.1(「勾配降下法」§4)

f:Rn→Rf : \mathbb{R}^n \to \mathbb{R} を C1C^1 級とし、初期値 w0∈Rn\boldsymbol{w}_0 \in \mathbb{R}^n と正の数列 (ηk)k≥0(\eta_k)_{k\ge 0} を与えます。

wk+1=wk−ηk∇f(wk)(k=0,1,2,…)\boldsymbol{w}_{k+1} = \boldsymbol{w}_k - \eta_k \nabla f(\boldsymbol{w}_k) \qquad (k = 0, 1, 2, \ldots)

で定まる点列 (wk)(\boldsymbol{w}_k) を求める手続きを勾配降下法(最急降下法)と呼び、ηk\eta_k を学習率(ステップ幅)と呼びます。ηk=η\eta_k = \eta が kk によらないとき、定数学習率であるといいます。

本文で読む(前後の説明と例)→

閉包の状態

定義

定義は閉包の起点です(証明を要しません)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

これを使っている定理

証明で明示的に参照している定理は、まだありません。

関連するノック 1 問