首页  技术文章  梯度下降

梯度下降

发布时间:2024-11-26 11:11:49 浏览量:570 作者:Paul

正文


梯度下降


梯度下降


梯度下降算法的目的,是为了寻找一个曲面的zui低点。例如当知道某个平面的表达式后,便可以知道每个点的梯度,如果从一个初始点开始,根据梯度方向往zui小值的方向移动,直到达到非常小的误差后,便是zui终的结果。文章以一个一维梯度和一个二维梯度下降,演示两个过程。


一维梯度下降


以一个非常常见的二次函数为例



根据上述公式,求解zui小值的位置应该位于梯度为零处,即0.75



如果假设初始位置位于x=1.8,每次步进,那么下一个



的时候,经过不断迭代后,zui终趋向于整个曲线的zui小值。虚线是根据公式得到的图标,彩色点表示经过迭代得到的结果



随着不断迭代,坐标x也去向与-3/2,这也是方程zui低值的坐标



时,他是经过不断震荡后趋向稳定之的




但是继续增大,整个方程无法去向稳定



二维梯度下降


同样是先假设一个面,从面的某一个点开始,利用梯度下降算法寻找zui低点。zui低点坐标位于(0, 0),且zui低值为0




为了更加清楚的展示曲面,采用等高线来描述整个立体曲面



根据梯度算法,坐标更新方程为



经过20此迭代后,zui终坐标趋向于

zui小值所在的点位置。下图中的彩色点,即表示每一次迭代后,坐标的更新情况。


二维梯度下降例子2


新的一个方程



形状如下方两张图所示




两个方向都是零点的位置,位于{{x->0,y->0}},对应的值为0。



可以看出,在梯度为零的点并不是zui小值,可以在其他地方找到更小的地方。因为这张图是马鞍形状,原点位置属于鞍点, 并不是zui值或者ji小值。

接着尝试使用梯度下降的方法寻找zui小值,首先是坐标更新方程为



下图中的浅绿色,代方向的箭头表示的是整个方程梯度的方向。彩色线条表示梯度下降算法计算的路径,初始位置位于(-55,-75),经过多次迭代后,相乘的路径。因为他是按照梯度下降的路径虚招方向,所以整体路径和梯度形成的曲线是几乎一致的。



二维梯度梯度例子2


举一个更加复杂的例子


图中可以看出,整张图包含多个极值



从他的梯度图中也可以观察到,存在多个汇聚和发散的中心点



修改方程,通过梯度下降寻找周边zui大值。并且观察不同的初始值,找到的结果可能是局部的极值,但是并没有找到真正的zui值。



更多详情请联系昊量光电/欢迎直接联系昊量光电

关于昊量光电:

上海昊量光电设备有限公司是光电产品专业代理商,产品包括各类激光器、光电调制器、光学测量设备、光学元件等,涉及应用涵盖了材料加工、光通讯、生物医疗、科学研究、国防、量子光学、生物显微、物联传感、激光制造等;可为客户提供完整的设备安装,培训,硬件开发,软件开发,系统集成等服务。

您可以通过我们昊量光电的官方网站www.auniontech.com了解更多的产品信息,或直接来电咨询4006-888-532。