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
|