本文深入探讨了三维函数的梯度下降法，通过示例展示了如何从不同初始点开始，利用梯度信息和步长调整来逼近函数的最小值。通过迭代更新，逐步接近最优解的过程清晰可见。
三维函数 梯度下降法
其图像及等高线如下（等高线中心的蓝点表示最小值）:
设初始点为
，此时梯度为：
令步长
，那么下一个点为：
可以看到向最小值方向前进了一步：
设初始点为
，此时梯度为
令步长
，那么下一个点为：
迭代 同样的方法找到下一个点：
此时又向最小值靠近了：
如此迭代20次后，差不多找到了最小值：
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
