通俗了解神经网络如何避免陷入局部最优

1.以不同的参数值初始化多个神经网络，取最小的作为结果
就好比企业轮岗， 多试试从不同的岗位做起，能避免陷入只认为当前职位最合适
2.使用“模拟退火”技术
就好比 当前虽然觉得自己过的挺好了，但是也试着跳出舒适区出去看看，万一有更舒服的地方呢，但是，随着年龄（迭代次数）增加，这种冒险行（跳出舒适区）为的概率越来越小。
使用“模拟退火”技术,“模拟退火”在每一步都会以一定的概率接受比当前更差的结果，从而有助于“跳出”局部最小，在每一步的迭代的过程中，接受“次优解”的概率要随着时间的推移而不断的降低.

3. 使用“随机梯度下降”
与标准梯度下降精确计算梯度不一样，随机梯度下降法在计算梯度时加入随机的因素，于是即便其陷入到局部的极小值点，他计算的梯度仍可能不为0，这样就有可能跳出局部的极小值而继续进行搜索。