Levenberg-Marquardt优化和zipf分布

最近审论文和看报告中遇到LM优化和齐普夫分布，于是查了一下。

LM方法是高斯牛顿迭代方法的改进，下面分别是高斯牛顿、齐普夫方法的公式：

Δ=−(J_f^TJ_f)⁻¹Jf

即下降太快，使用较小的 λ ，更接近高斯牛顿

即下降太慢，使用较大的λ，更接近梯度下降

而且齐普夫方法适用于词频分布或长尾分布

相关文章：

2022-12-23
2021-11-11
2021-08-08
2022-01-16
2021-05-17
2021-08-25
2021-09-08

猜你喜欢

2021-12-08
2021-04-02
2022-12-23
2021-09-18
2022-02-16
2021-12-30

相关资源

下载 2022-12-21
下载 2023-01-23
下载 2023-01-01

相似解决方案

热门标签

Java Python linux javascript Mysql C# Docker 算法前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库数据结构大数据 js 机器学习微服务 Android Go 程序员面试 JVM ASP.net core 云原生人工智能后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习多线程 React 架构 devops 爬虫云计算 Spring Boot LeetCode