随机梯度下降法（Stochastic gradient descent | SGD）
- Home
- AI 知识库
- 数学基础
随机梯度下降法（Stochastic gradient descent | SGD）
Section titled “随机梯度下降法（Stochastic gradient descent | SGD）”文章目录
维基百科版本
Section titled “维基百科版本”随机梯度下降（通常缩短为SGD），也称为增量梯度下降，是用于优化可微分目标函数的迭代方法，梯度下降优化的随机近似。 2018年的一篇文章暗示Herbert Robbins和Sutton Monro在其1951年题为“随机近似方法”的文章中发展SGD。有关更多信息，请参阅随机近似。它被称为随机的 因为样本是随机选择（或混洗）而不是作为单个组（如标准梯度下降）或按训练集中出现的顺序选择的。 查看详情 2019年1月6日 by 打不死的小强 Updated: 2022年8月16日
Section titled “随机梯度下降（通常缩短为SGD），也称为增量梯度下降，是用于优化可微分目标函数的迭代方法，梯度下降优化的随机近似。 2018年的一篇文章暗示Herbert Robbins和Sutton Monro在其1951年题为“随机近似方法”的文章中发展SGD。有关更多信息，请参阅随机近似。它被称为随机的 因为样本是随机选择（或混洗）而不是作为单个组（如标准梯度下降）或按训练集中出现的顺序选择的。 查看详情 2019年1月6日 by 打不死的小强 Updated: 2022年8月16日”SGD, Stochastic gradient descent, 随机梯度下降法 Thanks for your rating! You have already rated this article An error occured, please try again later
Was This Article Helpful?
Section titled “Was This Article Helpful?”11
这篇文章讲了什么？
Section titled “这篇文章讲了什么？”本文介绍了相关AI概念的基本原理和应用场景。
有什么实际应用？
Section titled “有什么实际应用？”该技术在计算机视觉、自然语言处理、推荐系统等领域有广泛应用。