最优化学习 拟牛顿法(Quasi-Newton Method)

简介: 最优化学习 拟牛顿法(Quasi-Newton Method)

拟牛顿法(Quasi-Newton Method)


image.png

20210530192636936.jpg

得到矩阵Bk+1


image.png



这样我们就可以得到image.png

2021053019264230.jpg

获取Bk+1和Hk+1


第一类方法:选择满足拟牛顿方程且与B k B近似的矩阵

第二类方法:对B k 或H k 进行校正,如B k + 1 = B k + Δ B

rank-2 校正 Δ B 秩为2 DFP方法,BFGS方法

rank-1 校正 Δ B 秩为1 SR-1方法


20210530192645912.jpg


DFP方法(Davidon-Fletche Powell)


可以看作是rank-2校正


image.png

20210530192657335.jpg


BFGS方法(Broyden-Fletcher-Goldfarb-Shannon)


可以看作是rank-2校正

image.png


20210530192701849.jpg


Broyden类算法和Sherman-Morrison公式


Sherman-Morrison公式


假设A是n阶可逆矩阵,u ,v是n 维向量,且( A + u v T ) 也是可逆矩阵,则

image.png


20210530192706930.jpg

SR-1方法


image.png

20210530192711754.jpg

相关文章
|
6月前
|
机器学习/深度学习 数据采集 监控
算法金 | DL 骚操作扫盲,神经网络设计与选择、参数初始化与优化、学习率调整与正则化、Loss Function、Bad Gradient
**神经网络与AI学习概览** - 探讨神经网络设计,包括MLP、RNN、CNN,激活函数如ReLU,以及隐藏层设计,强调网络结构与任务匹配。 - 参数初始化与优化涉及Xavier/He初始化,权重和偏置初始化,优化算法如SGD、Adam,针对不同场景选择。 - 学习率调整与正则化,如动态学习率、L1/L2正则化、早停法和Dropout,以改善训练和泛化。
55 0
算法金 | DL 骚操作扫盲,神经网络设计与选择、参数初始化与优化、学习率调整与正则化、Loss Function、Bad Gradient
2022小美赛B题The Genetic Process of Sequences序列的遗传过程思路分享
2022小美赛B题The Genetic Process of Sequences序列的遗传过程思路分享
2022小美赛B题The Genetic Process of Sequences序列的遗传过程思路分享
|
机器学习/深度学习 算法 Serverless
非梯度类启发式搜索算法:Nelder Mead
Nelder Mead 算法通常是用来求解非线性(nonlinear)、导函数未知情况下目标函数的最大值或者最小值。学过梯度下降的同学应该知道,梯度下降类算法的每一步都需要计算当前位置的梯度,从而更新当前解使得最终逐渐逼近最优解。但在某一些情况下,目标函数的梯度难以求得或是函数值离散的情况下,这时候便无法直接使用梯度类算法来求解了。
507 0
|
机器学习/深度学习
最优化学习 数值优化的例子:实现最小二乘法
最优化学习 数值优化的例子:实现最小二乘法
最优化学习 数值优化的例子:实现最小二乘法
|
机器学习/深度学习 算法 Python
机器学习实战 决策树代码 计算香农熵 Error return arrays must be of ArrayType
机器学习实战 决策树代码 计算香农熵 Error return arrays must be of ArrayType
153 0
Newton-Raphson method牛顿法公式推导
牛顿法的用处,①求解方程的根,用一阶泰勒展开;②用于凸优化,用二阶泰勒展开。
3396 0
|
算法 数据可视化
smooth的作用,Adam算法引入了二阶动量的概念
在loss function中的主要目的是把loss function变成continuous differerntiable function(连续可微分函数),从而在optimization(优化)
235 0
|
机器学习/深度学习 分布式计算 算法
⚡机器学习⚡交替方向乘数法(Alternating Direction Method of Multipliers,ADMM)
⚡机器学习⚡交替方向乘数法(Alternating Direction Method of Multipliers,ADMM)
⚡机器学习⚡交替方向乘数法(Alternating Direction Method of Multipliers,ADMM)
|
算法 搜索推荐
模拟退火(SA)算法求解Max-Minsum Dispersion Problem(附代码及详细注释)
模拟退火(SA)算法求解Max-Minsum Dispersion Problem(附代码及详细注释)
258 0
模拟退火(SA)算法求解Max-Minsum Dispersion Problem(附代码及详细注释)

热门文章

最新文章