Séance de cours

Descente progressive stochastique: Techniques d'optimisation

Description

Cette séance de cours couvre la descente progressive stochastique (SGD) avec la moyenne, en la comparant avec la descente progressive (GD). Il explique la motivation à utiliser la moyenne pour réduire les effets d'oscillation dans les problèmes d'optimisation. La séance de cours traite également de différents types de moyennes et de leur impact sur les taux de convergence. En outre, il explore l'application de SGD dans les problèmes d'optimisation à grande échelle et les avantages d'utiliser des variantes comme Mini-batch SGD et SGD avec Momentum. La séance de cours se penche sur les défis de l'optimisation stochastique non-convexe et la performance de SGD dans de tels scénarios. Il se termine par une discussion sur les techniques de récupération éparses et la méthode d'optimisation Lasso pour résoudre les problèmes de minimisation convexe non lisses.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.