坐标下降优化方法是一种非梯度优化算法。为了找到一个函数的局部极小值,在每次迭代中可以在当前点处沿一个坐标方向进行一维搜索。在整个过程中循环使用不同的坐标方向。一个周期的一维搜索迭代过程相当于一个梯度迭代。
机器学习相关文章
- 连续归一化流(Continuous Normalizing Flows,简称CNF)
- 流匹配(Flow Matching,FM)
- ALiBibi编码(Attention with Linear Biases)
- inductive learning(归纳学习)和transductive learning(传导学习)
- 机器学习中的稀疏解
- 在线学习算法 FOBOS
- Active Learning
- MMD: maximum mean discrepancy(最大平均差异)
- AUC系列 | AUC计算详解 | AUC与GAUC
- SSB - Sample Selection Bias - 样本选择偏差问题
最近热门
- SO-PMI(Semantic Orientation Pointwise Mutual Information,情感倾向点互信息算法)
- kimi api
- NPU(Neural Processing Unit,神经网络处理器)
- vue3 vditor
- Straight-Through Estimator(STE, 直推估计器)
- 流匹配(Flow Matching,FM)
- 模型证据下界(Evidence Lower Bound,ELBO)
- LLM | Chain of Thought(CoT,思维链)
- Zero Redundancy Optimizer(ZeRO)内存优化技术
- 面向任意目标的全库向量召回技术PDM
最常浏览
- 016 推荐系统 | 排序学习(LTR - Learning To Rank)
- 偏微分符号
- i.i.d(又称IID)
- 利普希茨连续条件(Lipschitz continuity)
- (error) MOVED 原因和解决方案
- TextCNN详解
- 找不到com.google.protobuf.GeneratedMessageV3的类文件
- Deployment failed: repository element was not specified in the POM inside distributionManagement
- cannot access com.google.protobuf.GeneratedMessageV3 解决方案
- CLUSTERDOWN Hash slot not served 问题原因和解决办法
×