s*********d
发帖数: 19 | 1 遇到求解一个复杂函数的最优解问题
设F(T)是一个关于多维的向量T的复杂函数表达式，现在想求取最优T值，s.t. min(F(T
))达到最小值
按照最初的设想是：
a) 求出F(T)对于T的gradient decent表达式F'(T)，给定一个T的初始值T_0，step
size K 和tolerance value M，
b) 将T_0代入F'(T)并normalization（F_n'(T_0)=F'(T_0)/|F'(T_0)|）
c) 更新T为T_1(T_1=T_0-K*F_n'(T_0)),依此做iterarion，直到T的两次值T_n,T_n+1的
变化小于M
按照上述方法我尝试了一下，做了20次iteration后，F(T)的值是变小了，但是变化速
度很慢，比较费时间，有没有比较快速一些求解方法？ |
d******e
发帖数: 7844 | 2 最好你的F写出来。
如果是凸优化问题，可能不一定非的梯度下降
(T
【在 s*********d 的大作中提到】
: 遇到求解一个复杂函数的最优解问题
: 设F(T)是一个关于多维的向量T的复杂函数表达式，现在想求取最优T值，s.t. min(F(T
: ))达到最小值
: 按照最初的设想是：
: a) 求出F(T)对于T的gradient decent表达式F'(T)，给定一个T的初始值T_0，step
: size K 和tolerance value M，
: b) 将T_0代入F'(T)并normalization（F_n'(T_0)=F'(T_0)/|F'(T_0)|）
: c) 更新T为T_1(T_1=T_0-K*F_n'(T_0)),依此做iterarion，直到T的两次值T_n,T_n+1的
: 变化小于M
: 按照上述方法我尝试了一下，做了20次iteration后，F(T)的值是变小了，但是变化速
|
s*********d
发帖数: 19 | 3 附件中的sita即为要求的T，d是一个已知量
【在 d******e 的大作中提到】
: 最好你的F写出来。
: 如果是凸优化问题，可能不一定非的梯度下降
:
: (T
|
d******e
发帖数: 7844 | 4 这个好像不是凸优化问题
【在 s*********d 的大作中提到】
: 附件中的sita即为要求的T，d是一个已知量
|
