Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- vanishing gradient
- 베르누이 분포
- bfs
- 경사하강법
- 동적계획법
- 알고리즘
- 범용 근사 정리
- 딥러닝
- 기울기 소실
- 단층 퍼셉트론
- OpenGL
- 순방향 신경망
- 베버의 법칙
- BOJ
- DP
- 다익스트라
- 과대적합
- dl
- dijkstra
- 계단 함수
- 이진분류
- feedforward neural network
- 손실 함수
- c++
- 이진 분류
- deep learning
- Perceptron
- 백준
- union-find
- 3d
Archives
- Today
- Total
목록Gradient Descent (1)
Hello COCOBALL!

경사 하강법최적화 알고리즘 중 하나로, 함수의 값이 낮아지는 방향으로 독립변수들의 값을 변형시키면서 함수의 최소값을 갖는 독립변수의 값을 탐색하기 위해 사용된다. 주로 기계 학습 및 딥러닝 모델의 학습 과정에서 비용 함수를 최소화하는 데 사용된다. 경사 하강법의 기본 아이디어는 함수의 기울기를 활용하여 함수 값이 가장 작은 지점으로 이동하는 것이다. 최소값을 찾기 위해 손실 함수를 미분하여 미분계수가 0인 지점을 찾는 방법을 사용할 수 있지만, 일반적으로 사용되는 함수들은 간단한 함수가 아니라 대부분 복잡하고 비선형적인 패턴을 가지는 함수이기 때문에 미분을 통해 최소값을 찾기가 어려운 경우가 많아 손실 함수의 최소값을 찾을 때 경사 하강법을 주로 사용한다.특정 위치에서의 기울기가 양수인 경우 x를 음의 ..
Deep Learning
2024. 6. 25. 21:01