Алгоритм градиентного спуска с замкнутым контуром, примененный к функции Розенброка |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-08-31 18:00 Ребята из австралийского национального университета представили новый метод адаптивного демпфирования для инерционной градиентной системы, который находит применение в качестве алгоритма градиентного спуска для неограниченной оптимизации. На примере невыпуклой функции Розенброка они показали улучшение по сравнению с существующими методами градиентной оптимизации на основе импульса. Также, используя анализ устойчивости Ляпунова, они продемонстрировали производительность версии алгоритма с непрерывным временем. Используя численное моделирование, они рассмотрели производительность его дискретно-временного аналога, полученного с помощью симплектического метода дискретизации Эйлера. Ссылка на статью: https://arxiv.org/pdf/2108.12883v1.pdf Ссылка на GitHub: https://github.com/SubhransuSekharBhattacharjee-01/Whiplash Источник: github.com Комментарии: |
|