【数学与算法】牛顿法 及其一系列改进算法

本文转载自牛顿法,在有些概念不清晰的地方,我添加了一些自己的说明。

牛顿法及其变种方法:目录链接:

(1) 牛顿法

(2) 拟牛顿条件

(3) DFP 算法

(4) BFGS 算法

(5) L-BFGS 算法

(6) 高斯-牛顿法


牛顿法至少有两个应用方向:
  • 1.求方程的根;
  • 2.最优化。

详情请参考这篇博客:【数学与算法】牛顿法的两种应用:求根和最优化


下面是数学原理和推导:

机器学习算法中经常碰到非线性优化问题,如 Sparse Filtering 算法,其主要工作在于求解一个非线性极小化问题。在具体实现中,大多调用的是成熟的软件包做支撑,其中最常用的一个算法是L-BFGS。为了解这个算法的数学机理,这几天做了一些调研,现把学习过程中理解的一些东西整理出来。


本部分将两个牛顿法:原始牛顿法阻尼牛顿法

还有一些牛顿法例如拟牛顿法,请参考博客拟牛顿法,里面有牛顿法系列博客索引,点击即可跳转。
在这里插入图片描述
在这里插入图片描述
=====================================================================================


对一维向量 x x x求导,就是常见的求导,对多维向量 X ⃗ \vec{X} X 求导,就变成了对每个维度求偏导,也就是进行梯度算子运算了。
下面会将式(1.7)对向量 X ⃗ \vec X X 求导,也就是进行梯度算子运算。
有个知识点:(证明请参考:二次型求导)
d ( X ⃗ T A X ⃗ ) d X ⃗ = 2 A X ⃗ \frac{d(\vec{X}^TA\vec{X})}{d\vec{X}}=2A\vec{X} dX d(X TAX )=2AX
其中 A A A是常数对称矩阵, A = A T A=A^T A=AT
在这里插入图片描述


=====================================================================================

在这里插入图片描述
=====================================================================================


  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值