[模式识别] [讲义] 最小均方差(LMS, Least Mean Square):梯度下降、随机梯度下降、正规方程组、牛顿法、坐标下降

本文介绍了最小均方差(LMS)的优化方法,包括批量梯度下降、随机梯度下降、正规方程组、牛顿法和坐标下降法。详细阐述了每种方法的参数更新规则及其在解决优化问题中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

即求 min12mi=1(x(i)jy(i))2=minJmin12∑i=1m(xj(i)−y(i))2=minJ

其中 x(i)jxj(i) 表示第 ii 个样本的第 j 维,有以下几种方法:


1. 梯度下降法(gradient descent)——batch

参数更新规则为 θk+1=θkαθJ(θ)kθk+1=θk−α∇θJ(θ)k

因为

h(x)=i=0nθixi(x0=1)h(x)=∑i=0nθixi(x0=1)

θJ(θ)=[Jθ0...Jθj...Jθn]T∇θJ(θ)=[∂J∂θ0...∂J∂θj...∂J∂θn]T

所以,

Jθj=12i=1m2(k
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值