В оптимизации , направление спуска является вектором , что в нижеприведенном смысле приближает нас в направлении локального минимума нашей целевой функции .
Предположим, мы выполняем вычисления итеративным методом, например поиском по строкам . Мы определяем направление спуска на th итерации как любое такое, что , где обозначает внутренний продукт . Мотивация для такого подхода заключается в том, что небольшие шаги по пути гарантируют, что теорема Тейлора уменьшает .
Используя это определение, отрицательное значение ненулевого градиента всегда является направлением спуска, так как .
Существует множество методов для вычисления направлений спуска, и все они имеют разные достоинства. Например, можно использовать градиентный спуск или метод сопряженного градиента .
В более общем смысле, если - положительно определенная матрица, то это направление спуска в . [1] Эта универсальность используется в методах предварительно обусловленного градиентного спуска .
См. Также [ править ]
Ссылки [ править ]
- ^ JM Ortega и WC Rheinbold (1970). Итерационное решение нелинейных уравнений с несколькими переменными . п. 243. DOI : 10,1137 / +1,9780898719468 .