《神经网络设计》读书笔记——性能优化(三)

本文是《神经网络设计》读书笔记的第三部分,聚焦牛顿法的性能优化。介绍了牛顿法的原理,即通过二阶泰勒级数展开式找到二次近似的驻点。牛顿法以其快速的收敛速度著称,但可能收敛到局部极小点,导致震荡或发散。总结中提到牛顿法相比于最速下降法的优势在于更快的收敛速度。
摘要由CSDN通过智能技术生成

牛顿法

最速下降算法的导数是以一阶泰勒级数展开式为基础的
而牛顿法基于二阶泰勒级数展开式:

  • F(xk+1)=F(xk+Δxk)F(xk)+g
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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