一种改进的自适应动量梯度下降算法 |
| |
引用本文: | 姜志侠,宋佳帅,刘宇宁.一种改进的自适应动量梯度下降算法[J].华中科技大学学报(自然科学版),2023(5):137-143. |
| |
作者姓名: | 姜志侠 宋佳帅 刘宇宁 |
| |
作者单位: | 1. 长春理工大学数学与统计学院 |
| |
基金项目: | 吉林省自然科学基金资助项目(YDZJ202201ZYTS519);;国家自然科学基金资助项目(11426045); |
| |
摘 要: | 为改进Adam算法存在的全局收敛性较差的问题,提出一个带有角系数的AngleAdam算法.该算法利用两次连续梯度间的角度信息自适应控制步长,一定程度改进了Adam算法全局收敛性较差的问题,提升了优化能力.采用在线学习框架,对算法从遗憾界的角度进行收敛性分析,证明了AngleAdam具有次线性的遗憾.基于构造的三个非凸函数和深度神经网络模型,对AngleAdam算法的优化能力进行实验,实验结果表明该算法可得到较好的优化结果.
|
关 键 词: | 机器学习 梯度下降类算法 Adam算法 全局收敛性 遗憾界 角度信息 |
|
|