百科问答小站 logo
百科问答小站 font logo



为什么nn的较大问题是会陷入局部最优时,不选用凸函数作为激活函数? 第1页

  

user avatar   filestorm 网友的相关建议: 
       @li Eta

答得很好。

关于第一点

为什么陷入局部最优,根本不是NN的问题

貌似并没展开说。我正好得空,补充一下

大家以前认为,deep learning的loss的形状会是布满弹坑的样子:


于是,梯度下降到local minimum如果不是global minimum就出大问题了。




但其实对于deep learning,我们是在一个非常高维的世界里做梯度下降。这时的 local minimum 很难形成,因为局部最小值要求函数在所有维度上都是局部最小。更实际得情况是,函数会落到一个saddle-point上,如下图:



在saddle-point上会有一大片很平坦的平原,让梯度几乎为0,导致无法继续下降。

反倒是local/global minimum的问题,大家发现其实不同的local minimum其实差不多(反正都是over-fitting training data,lol)

推荐阅读Bengio组的这两篇:

On the saddle point problem for non-convex optimization

Identifying and attacking the saddle point problem in high-dimensional non-convex optimization




  

相关话题

  处处不连续的函数乘以一个非 0 连续函数连续么? 
  柯洁与 AlphaGo 三场皆负,对围棋今后的发展会有哪些影响? 
  新手如何入门pytorch? 
  即时战略游戏(比如 WAR3)的 AI 是怎样实现的? 
  如何求解这个小球碰撞次数与圆周率关系的趣味问题? 
  你知道哪些与数学有关的小故事? 
  有什么数学定理一般人都觉得是常识,但严谨证明起来却挺费力的? 
  两幂级数柯西乘积收敛半径大于等于较小者 怎么证明呢? 
  因果推断(causal inference)是回归(regression)问题的一种特例吗? 
  这个题有没有不用圆函数做的方法? 

前一个讨论
in memory computing 存内计算是学术圈自娱自乐还是真有价值?
下一个讨论
现在互联网公司还有做特征工程的工作吗?





© 2024-11-21 - tinynew.org. All Rights Reserved.
© 2024-11-21 - tinynew.org. 保留所有权利