中科大-凸优化笔记（lec47）-最速下降法

阅读量：320 次

发布时间：2019-03-04

本文共 520 字，大约阅读时间需要 1 分钟。

全部笔记的汇总贴（视频也有传送门）：

一、梯度下降法

$d^{k+1}=-\nabla f(x^k)\\\frac{f(x^{k+1})-P^*}{f(x^k)-P^*}\le1-\frac mM\le1-\min\{2m\gamma\alpha_{max},\frac{2m\gamma\beta}M\}\\ K\sim \log(f(x^k)-P^*)\;\;\;\;\;线性收敛$

2mγαmax,M2mγβ}K∼log(f(xk)−P∗)线性收敛

二、最速（陡）下降法

在这里插入图片描述

三、Gradient与Steepest Gradient的变种

1）坐标轮换法

在这里插入图片描述

2）若 $f (x)$ 在某些点不可微

在这里插入图片描述

例：

在这里插入图片描述

下一章传送门：

转载地址：http://aepq.baihongyu.com/

你可能感兴趣的文章

MySQL：什么样的字段适合加索引？什么样的字段不适合加索引

查看>>

MySQL：判断逗号分隔的字符串中是否包含某个字符串

查看>>

MySQL：某个ip连接mysql失败次数过多,导致ip锁定

m_Orchestrate learning system---二十二、html代码如何变的容易

查看>>

M×N 形状 numpy.ndarray 的滑动窗口

查看>>

m个苹果放入n个盘子问题

查看>>

n = 3 , while n , continue

n1 c语言程序,全国青少年软件编程等级考试C语言经典程序题10道七

一、梯度下降法

二、最速（陡）下降法

三、Gradient与Steepest Gradient的变种

1）坐标轮换法

2）若 f ( x ) f(x) f(x)在某些点不可微

例：

2）若 $f (x)$ 在某些点不可微