使用梯度下降法计算平方根

最新推荐文章于 2024-04-20 11:57:25 发布
最新推荐文章于 2024-04-20 11:57:25 发布
阅读量2k 收藏 7
点赞数 4
文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39244297/article/details/108772358
版权
本文探讨如何运用梯度下降算法计算平方根，提出了两种方案。方案一通过寻找函数y^2 - x = 0的极值点来解决问题，迭代公式为yi+1 = yi - α*(yi*yi - x)。方案二从损失函数角度出发，以Loss=(y^2-x)^2最小为目标，迭代公式为yi+1 = yi - 4*α*y*(yi*yi - x)，经过比较，方案二因更快的收敛速度而更具优势。
摘要由CSDN通过智能技术生成

1.问题：如何使用梯度下降算法，计算 N \sqrt{N} N ​的值

2.思路

方案一：

上述问题可以看做：给定 x x x值，求取函数 y = x y=\sqrt{x} y=x ​ 的 y y y 值。两边同时乘方得到等价式： y 2 − x = 0 y^2-x=0 y2−x=0 。
令 f ( y ) = y 2 − x f(y)=y^{2}-x f(y)=y2−x，则上面的式子等价于求取 f ( y ) = 0 f(y)=0 f(y)=0 的 y y y值。
可以看作 存在一个函数 F ( y ) F(y) F(y)，它的导数 F ′ ( y ) = f ( y )

最低0.47元/天 解锁文章
爬向金字塔的蜗牛
关注
通过梯度下降和牛顿法求解一个数的平方根
海晨威
05-23 3977
梯度下降 梯度下降法（Gradient descent）是一个一阶最优化算法，就是让参数沿着损失函数负梯度的方向更新。迭代的步长，也就是学习率是事先给定的，如果负梯度的绝对值越大，这次更新的幅度也会越大，越接近极值点时，负梯度会越小，这时更新就会较慢。 牛顿法 牛顿法是一个二阶最优化算法，它将损失函数进行二阶展开，因此会涉及到二阶导对应的海森矩阵。它的更新速度很快，但计算复杂度较高，主要是要求解海...
梯度下降法求平方根
qq_35985044的博客
07-11 424
class Solution: def mySqrt(self, x: int) -> int: lr = 0.001 value = 1 while(abs(value*value - x) > 0.001): value = value - 4*value*lr*(value*value - x) return round(value) https://blog.csdn.net/weix...
用梯度下降的方法求平方根
ruangongtaotao的专栏
06-12 791
搞错了，没用，其实就是让y_hat无限接近真实值a。上面是chatgbt的脑回路。因此，平方根函数的导数为。
通过梯度求平方根
lujianfeiccie2009的专栏
02-03 1903
梯度下降 梯度下降（Gradient descent）一阶最优化算法，让参数沿着 损失函数 的 负梯度 方向更新。迭代的步长 (学习率) 是事先给定的，如果负梯度的绝对值越大，这次更新的幅度也会越大，越接近极值点时，负梯度会越小，这时更新就会越慢。 给定一个数 nnn ，求 nnn 的平方根 xxx，所以有 x2x^2x2 = n 那么，我们可以得出误差函数为 E(x)=(n−x2)2E(x) ...
二分法、梯度下降法、牛顿法求解根号
最新发布
得克特
04-20 378
牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程 的单根附近具有平方收敛，而且该法还可以用来求方程的重根、复根，此时线性收敛，但是可通过一些方法变成超线性收敛。这种方法可以很有效地求出根号 a的近似值：首先随便猜一个近似值 x，然后不断令 x 等于 x 和 a/x 的平均数，迭代个六七次后 x 的值就已经相当精确了。在这里，我们使用了微积分里导数，通过求出函数导数的值，从而找到函数下降的方向或者是最低点（极值点）。这种算法的原理很简单，我们仅仅是不断用 (x, f(x)) 的切线来逼近方程的根。
各种梯度下降法实现BP神经网络.rar
06-10
在神经网络训练中，梯度下降法是一种广泛使用的优化算法，用于寻找损失函数最小值，以更新网络权重和偏置。本项目通过Matlab自编程实现了多种梯度下降的变体，包括基本的梯度下降法、冲量法（Momentum）、Nesterov...
使用了随机梯度下降法（SGD）和批量梯度下降法（BGD）解决单层感知机问题RMSProp法和和Adam法解决线性回归问题.zip
08-25
在机器学习领域，优化模型参数的过程至关重要，而梯度下降法是其中最常用的优化算法之一。本资料包涉及了四种不同的梯度下降变体：随机梯度下降法（SGD）、批量梯度下降法（BGD）、RMSProp以及Adam，它们在解决线性...
线性回归算法，close-form, batch 梯度下降，mini-batch 梯度下降，随机梯度下降，RMSE.zip
08-25
梯度下降法是神经网络训练的核心，它们的选择和参数设置对模型的训练速度和最终性能有重大影响。 code_resource_01 文件可能包含了实现这些算法的代码示例，包括线性回归模型的构建、不同梯度下降策略的实现以及...
二分法、梯度下降法、牛顿法求解根号（Python）
weixin_41744192的博客
03-17 5830
解方程方法1. 梯度下降法（Gradient descent）python2. 牛顿迭代法（Newton's method）python3. 二分法 1. 梯度下降法（Gradient descent） 若要求根号下2，即要求解 x^2 - 2 = 0 的根， 也就是函数 L=(x2−2)2L=\left(x^{2}-2\right)^{2}L=(x2−2)2取极小值时 x 的取值。这个也就对应机器学习中的损失函数。 要寻找损失函数的最低点就是找到曲线的最低点。在这里，我们使用了微积分里导数，通过求出函数导
深度学习之利用梯度下降法实现数字的开方
小鹏AI
06-10 716
问：y=f(x)在y=y∗的x∗=?y=f(x) 在y=y^* 的 x^* = ?y=f(x)在y=y∗的x∗=? 为了求这种问题，我们需要用到梯度下降法 梯度下降法的公式是：△x=−lr∗△y∗y′△x = -lr * △y*y'△x=−lr∗△y∗y′ 其中：lrlrlr是步长，目的是尽可能的缩小△x△y\frac{△x}{△y}△y△x​与y′y'y′之间的距离 y=y∗y = y ^ *y=y∗时xxx的解 求yyy的最小值 def sqrt(a): """利用梯度下降法进行开方计算"
梯度下降方法
xxiaozr的博客
03-26 740
模型训练的目的是找到一组 w 和 b ，使得网络的输出拟合目标输出定义一个代价函数，例如均方误差，训练目的转化为最小化代价函数，使用梯度下降算法来解决最小化问题梯度下降算法工作的方式就是重复的计算梯度，然后沿着相反的方向移动假设最小化函数 C（v），v=v1,v2这个函数的图像如下所示：当我们在 v1 和 v2 方向上分别将球体移动一个很小的量，即  △v1 △v2 时，C 的变化 △C 如下： ...
梯度下降法和牛顿法计算开根号
weixin_44966641的博客
07-17 973
梯度下降法和牛顿法计算开根号
算法练习之牛顿法求平方根
mybwu_com的专栏
07-06 284
牛顿法求平方根公式：Xn+1 = 1/2 * (Xn+ a/Xn);若求a的平方根，将公式进行迭代计算迭代越多，越接近结果最后Xn为a的平方根代码实现：参数：要求平方根的数，迭代次数 var sqrt = function (a,accur){ var pre = 1; for(var i = 0;i<accur;i++){ var cur = 1/2 * (pre + a/pre)...
python实现梯度下降法解方程根
amen_yanwang的博客
03-31 468
#python#梯度下降#损失函数#最优化
科学计算方法：求取平方根5(python实现，梯度下降，二分法）
rosefun96的博客
01-10 2814
1 问题 求取根号5，并且满足精度小于10的负6次方。 2 方法 记 f(x)=x2−5f(x) = x^2-5f(x)=x2−5; 求取方程 等于0 的根。 方法一 二分法 不断维护left,rightleft, rightleft,right ,使得两者相乘小于0。 方法二：迭代法 根据泰勒展开： 如果使用牛顿法，有以上的公式。 然后不断迭代。 参考： 计算方法 PPT ...
梯度下降法-以y=x^2为例
weixin_52093896的博客
04-05 1155
梯度下降法又被称为最速下降法，其理论基础是梯度的概念。。对于一个无约束的优化问题，例如简单理解即为，随机选择一个 x 点，如同下山一样如何快速的走出一条到达山脚的路线，即利用每走一步的函数倒数及梯度的指向来进行迭代下降；同时每个人下山个性也有不同，有的激进，有的保守，这就涉及到梯度下降中的学习率设定问题（可借助之后代码演示体验）；在确定下山性格后，还要设定一个到达山脚的评判标准及迭代次数判断和设定误差区间判定。在处的切线。显然在处函数取得最小值。沿着梯度的方向是下降速度最快的方向。
利用梯度下降法和牛顿法求开方
很吵请安静
08-10 2685
假如现在要求的是根号2 即 x2=2x^2 = 2x2=2的解 使用梯度下降法 梯度下降主要通过求梯度为0的点，得到凸函数的全局最小值。 首先构建损失函数为凸函数的目标函数, 使得目标函数的最小值对应的是我们要求的值 由 x2=2x^2 = 2x2=2 我们可以构建一个损失函数 L=(x2−2)2 L = (x^2 - 2) ^2 L=(x2−2)2 这里为什么不直接用x2−2x^2 - 2x2−...
牛顿法和梯度下降
len_sround的专栏
04-19 1455
牛顿法和梯度下降
深度学习优化：梯度下降算法全面解析
梯度下降法是机器学习和深度学习中最基础且重要的优化算法之一，它用于寻找目标函数的局部最小值。在深度学习中，我们的目标是调整模型参数以最小化损失函数，梯度下降正是通过沿着损失函数梯度的反方向迭代更新参数...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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