原作者链接:梯度下降法与最速下降(凸优化方法)
另一种证明最优步长公式的方式:
注意:表示目标搜索方向向量,在求最优步长时表示为点处梯度的反向向量,和在下面的证明表示的都是学习率,表示函数在处的Hessian矩阵
以下为逐次迭代梯度迭代方向正交的证明:
原作者链接:最速下降法中相邻迭代方向正交
一种证明梯度方向与等高线切线方向垂直的方式:
博主懒得打了,参考:
以上为公式证明部分
原作者链接:梯度下降法与最速下降(凸优化方法)
另一种证明最优步长公式的方式:
注意:表示目标搜索方向向量,在求最优步长时表示为点处梯度的反向向量,和在下面的证明表示的都是学习率,表示函数在处的Hessian矩阵
以下为逐次迭代梯度迭代方向正交的证明:
原作者链接:最速下降法中相邻迭代方向正交
一种证明梯度方向与等高线切线方向垂直的方式:
博主懒得打了,参考:
以上为公式证明部分