情報科学 › 機械学習の数学 › 勾配降下法

ミニバッチ勾配の不偏性と分散

命題 7.2(「勾配降下法」§7) ・ ✓公理まで証明済み

定義 7.1 の設定で、w∈Rn\boldsymbol{w} \in \mathbb{R}^n を(添字の選び方と独立に)固定し、添字 i1,…,iBi_1,\ldots,i_B は {1,…,N}\{1,\ldots,N\} 上の一様分布に独立に従うとします。

σ2(w)=1N∑i=1N∥∇fi(w)−∇f(w)∥2\sigma^2(\boldsymbol{w}) = \frac{1}{N}\sum_{i=1}^{N}\bigl\|\nabla f_i(\boldsymbol{w}) - \nabla f(\boldsymbol{w})\bigr\|^2

とおきます。このとき

  1. E[gB(w)]=∇f(w)\mathbb{E}\bigl[\boldsymbol{g}_B(\boldsymbol{w})\bigr] = \nabla f(\boldsymbol{w})(不偏性)、
  2. E[∥gB(w)−∇f(w)∥2]=σ2(w)B\mathbb{E}\bigl[\bigl\|\boldsymbol{g}_B(\boldsymbol{w}) - \nabla f(\boldsymbol{w})\bigr\|^2\bigr] = \dfrac{\sigma^2(\boldsymbol{w})}{B}

が成り立ちます。

本文で読む(証明と前後の説明)→

閉包の状態

✓ 公理まで証明済み

証明が使う定理を 前提 としてたどると、Rikai の中の証明だけで定義・公理(物理では基本仮定)までつながっています(前提の定理類 0 件、定義なども含めて 1 件)。

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。

前提をたどる 証明が使う定理・定義(直接 1 件)

▸ を開くと、その項目の証明が使う前提が出ます。深い先は各項目のページでたどれます。

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