2012计算智能-7BP理论基础-梯度下降法.pptVIP

第 4 章 基于遗传算法的随机优化搜索 梯度下降法 梯度下降法,又称最速下降法。1847年由著名的数学家柯西Cauchy给出。 基本思想 假设我们爬山，如果想最快的上到山顶，那么我们应该从山势最陡的地方上山。也就是山势变化最快的地方上山 同样，如果从任意一点出发，需要最快搜索到函数最大值，那么我们也应该从函数变化最快的方向搜索。 函数变化最快的方向是什么呢？ 如果函数为一元函数，梯度就是该函数的导数 函数的梯度。 梯度下降法 如果为二元函数，梯度定义为： 如果需要找的是函数极小点，那么应该从负梯度的方向寻找，该方法称之为梯度下降法。 要搜索极小值C点，在A点必须向x增加方向搜索，此时与A点梯度方向相反；在B点必须向x减小方向搜索，此时与B点梯度方向相反。总之，搜索极小值，必须向负梯度方向搜索。 梯度下降法-步骤 假设函数 只有一个极小点。 初始给定参数为 。从这个点如何搜索才能找到原函数的极小值点？ 方法： 1. 首先设定一个较小的正数?，?; 2. 求当前位置处的各个偏导数： 3. 修改当前函数的参数值，公式如下： 4. 如果参数变化量小于?，退出；否则返回2。 梯度下降法 例1 任给一个初始出发点，设为x0=-4，利用梯度下降法求函数y=x2/2-2x的极小值。 (1) 首先给定两个参数： (2) 计算导数： (3) 计算当前导数值： (4) 修改当前参数： (5) 计算当前导数值： (6) 修改当前参数： 梯度下降法 (7) 计算当前导数值： (8) 修改当前参数： (9) 计算当前导数值： (10) 修改当前参数： (11)此时变化量满足终止条件，终止。 梯度下降法 梯度下降法，要求E的极小点 取 wij E ,此时Δwij0 E ,此时Δwij0 wij 梯度下降法 α为学习率 所以 而其中的 且 netj wij f(netj) o2 o1 … oi 所以 梯度下降法 且 所以： 令 wij E 是什么呢？ 梯度下降法 (1) 假设，oj为输出层神经元输出 由于 梯度下降法 如果函数f为sigmoid函数 此时，权值的调整公式为： 所以: 梯度下降法 (2) 假设，oj为隐含层神经元输出 由于 梯度下降法 由于 令 netk o1 j … o2 ok wjk i oj oi k wij 梯度下降法 且 所以: 如果函数f为sigmoid函数 梯度下降法：又称最速下降法。因为沿着负梯度的方向是下降最快的方向。 * 梯度下降法：又称最速下降法。因为沿着负梯度的方向是下降最快的方向。 * 梯度下降法：又称最速下降法。因为沿着负梯度的方向是下降最快的方向。 * 梯度下降法：又称最速下降法。因为沿着负梯度的方向是下降最快的方向。 * 梯度下降法：又称最速下降法。因为沿着负梯度的方向是下降最快的方向。 * 梯度下降法：又称最速下降法。因为沿着负梯度的方向是下降最快的方向。 * * * * * * * *