注:仅供自己学习记录
1.梯度下降算法的公式:
公式依次代表为“下次迭代的点”、“目前所在的点”、“学习率”和“最大负向梯度”。按照这个公式,每次迭代都会根据上次的步长减去学习率乘以“梯度”的值,去一步一步更新,这样能可以每次迭代都朝着最大负方向去迭代。
参考:深度解读机器学习“梯度下降” – 前端开发,JQUERY特效,全栈开发,vue开发 (jqhtml.com)
2. 交叉损失熵
参考论文:iDLG: Improved Deep Leakage from Gradients
梯度:
梯度是损失函数对于变量的变化率,它告诉我们在当前的参数下,损失函数会如何改变。通过计算损失函数相对于模型的参数的梯度,可以使用反向传播算法来更新模型参数,以最小化损失函数并提高模型性能。
3. MSE
参考解析:通俗易懂讲解均方误差 (MSE) - haltakov - 知乎 (zhihu.com)
公式: