如何理解神经网络优化中Momentem能够缓解hessian矩阵病态的问题?
1、首先介绍一下,矩阵的病态问题
矩阵病态主要是因为矩阵向量之间相关性太大,在二维上说就是矩阵向量之间的夹角太小,导致这两个相似的矩阵向量稍有改变,计算结果就会有很大的不同。
看一个例子更容易理解:
2、接着介绍下hessian矩阵,
hesiian矩阵很好理解,它就是是一个多元函数的二阶偏导数构成的方阵,描述了函数的局部曲率。
在神经网络的优化中,hesiian矩阵病态就表现在局部最小点和鞍点,因为在局部最小点和鞍点处四周的梯度变化率(梯度和二阶导都是相似的)都是相似的,但是往不同的梯度方向前进又会导致优化结果有较大的差异。