神经网络优化：RMSprop（均方根传播梯度下降法）

本文主要是介绍神经网络优化：RMSprop（均方根传播梯度下降法），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

最终目的仍是减少振荡方向(b)的更新幅度，提高前进方向(ω)的更新幅度

引入S_dω和S_db，如公式表达，由于dω<db，求其均方根作为分母，实现ω的更新幅度大，而b的更新幅度小

注意

　　1. 使用中为了避免出现√S_dω=0导致除数为0的情况出现，应令√(S_dω+ε) （吴恩达视频中建议ε=1e-8）

　　2. 与动量梯度下降法一样，需要对S进行修正：S = S/(1-β^t)

这篇关于神经网络优化：RMSprop（均方根传播梯度下降法）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！