数学公式推导_梯度_gradient

数学公式推导_梯度_gradient

核心
θ t + 1 = θ t − α t ∇ f ( θ t ) (1) \theta _{t+1}=\theta _t-\alpha _t\nabla f\left( \theta _t \right) \tag{1} θt+1=θtαtf(θt)(1)
Example

Function:
J ( θ 1 , θ 2 ) = θ 1 2 + θ 1 2 (2) J\left( \theta _1,\theta _2 \right) =\theta _{1}^{2}+\theta _{1}^{2}\tag{2} J(θ1,θ2)=θ12+θ12(2)

Objective:
min ⁡ θ 1 , θ 2 J ( θ 1 , θ 2 ) (3) \underset{\theta _1,\theta _2}{\min}J\left( \theta _1,\theta _2 \right) \tag{3} θ1,θ2minJ(θ1,θ2)(3)

Update rules:
θ 1 : = θ 1 − α d d θ 1 J ( θ 1 , θ 2 ) (4) \theta _1:=\theta _1-\alpha \frac{d}{d\theta _1}J\left( \theta _1,\theta _2 \right) \tag{4} θ1:=θ1αdθ1dJ(θ1,θ2)(4)
θ 2 : = θ 2 − α d d θ 2 J ( θ 1 , θ 2 ) (5) \theta _2:=\theta _2-\alpha \frac{d}{d\theta _2}J\left( \theta _1,\theta _2 \right) \tag{5} θ2:=θ2αdθ2dJ(θ1,θ2)(5)

Derivatives:
d d θ 1 J ( θ 1 , θ 2 ) = d d θ 1 θ 1 2 + d d θ 1 θ 2 2 = 2 θ 1 (6) \frac{d}{d\theta _1}J\left( \theta _1,\theta _2 \right) =\frac{d}{d\theta _1}\theta _{1}^{2}+\frac{d}{d\theta _1}\theta _{2}^{2}=2\theta _1\tag{6} dθ1dJ(θ1,θ2)=dθ1dθ12+dθ1dθ22=2θ1(6)

d d θ 2 J ( θ 1 , θ 2 ) = d d θ 2 θ 1 2 + d d θ 2 θ 2 2 = 2 θ 2 (7) \frac{d}{d\theta _2}J\left( \theta _1,\theta _2 \right) =\frac{d}{d\theta _2}\theta _{1}^{2}+\frac{d}{d\theta _2}\theta _{2}^{2}=2\theta _2\tag{7} dθ2dJ(θ1,θ2)=dθ2dθ12+dθ2dθ22=2θ2(7)

常见函数的梯度
一次
x w + b xw+b xw+b
∇ ( w , b ) = ( x , 1 ) \nabla \left( w,b \right) =\left( x,1 \right) (w,b)=(x,1)
二次
x w 2 + b 2 xw^2+b^2 xw2+b2

∇ = ( 2 w x , 2 b ) \nabla =\left( 2wx,2b \right) =(2wx,2b)

指数
x e w + e b xe^w+e^b xew+eb

∇ = ( x e w , e b ) \nabla =\left( xe^w,e^b \right) =(xew,eb)

复合
[ y − ( w x + b ) ] 2 \left[ y-\left( wx+b \right) \right] ^2 [y(wx+b)]2

∇ = ( 2 x ( y − ( w x + b ) ) , 2 ( y − ( x w + b ) ) ) \nabla =\left( 2x\left( y-\left( wx+b \right) \right) ,2\left( y-\left( xw+b \right) \right) \right) =(2x(y(wx+b)),2(y(xw+b)))

log
y log ⁡ ( w x + b ) y\log \left( wx+b \right) ylog(wx+b)

∇ = ( y w x + b x , y w x + b ) \nabla =\left( \frac{y}{wx+b}x,\frac{y}{wx+b} \right) =(wx+byx,wx+by)

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