立即学习:https://edu.csdn.net/course/play/26698/361513?utm_source=blogtoedu
梯度下降法适用于并行计算和分布式计算,因此现在人工智能使用梯度下降法比较多,容易陷入局部最优。
牛顿法,引入了二阶导数,需要做矩阵求逆,消耗计算。
共轭梯度法,和梯度下降有关,第一步就是求梯度,从第二步开始有区别,引入修正,更快的指定最低点,不需要像牛顿算法一样求Hessian矩阵的逆矩阵。
立即学习:https://edu.csdn.net/course/play/26698/361513?utm_source=blogtoedu
梯度下降法适用于并行计算和分布式计算,因此现在人工智能使用梯度下降法比较多,容易陷入局部最优。
牛顿法,引入了二阶导数,需要做矩阵求逆,消耗计算。
共轭梯度法,和梯度下降有关,第一步就是求梯度,从第二步开始有区别,引入修正,更快的指定最低点,不需要像牛顿算法一样求Hessian矩阵的逆矩阵。