Aproximación de segundo orden de la función de pérdida (Libro de aprendizaje profundo, 7.33)


11

En el libro de Goodfellow (2016) sobre aprendizaje profundo, habló sobre la equivalencia de la parada temprana a la regularización L2 ( https://www.deeplearningbook.org/contents/regularization.html página 247).

La aproximación cuadrática de la función de costo viene dada por:j

J^(θ)=J(w)+12(ww)TH(ww)

donde es la matriz de Hesse (Ec. 7.33). ¿Falta esto el término medio? La expansión de Taylor debe ser: H

f(w+ϵ)=f(w)+f(w)ϵ+12f(w)ϵ2

Respuestas:


15

Hablan sobre los pesos óptimos:

Podemos modelar la función de costo con una aproximación cuadrática en la vecindad del valor empíricamente óptimo de los pesosJw

En ese punto, la primera derivada es cero; por lo tanto, el término medio queda excluido.

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.