Выберите все верные утверждения:
Выберите один или несколько ответов:
Другие предметы Колледж Градиентный спуск градиентный спуск локальный минимум машинное обучение оптимизация колледж алгоритмы максимизация функции точка минимума шаг градиентного спуска
Давайте разберем каждое из предложенных утверждений по отдельности:
Это утверждение верно. Градиентный спуск начинает с заданной точки и, следуя направлению градиента, может найти только локальный минимум, который зависит от начальной точки. Если начать из другой точки, можно получить другой локальный минимум.
Это утверждение не совсем верно. Хотя постоянный шаг может быть простым в реализации, оптимальный шаг (или скорость обучения) может изменяться в процессе обучения. Использование адаптивных методов, таких как Adam или RMSprop, позволяет лучше подстраиваться под разные участки функции потерь.
Это утверждение верно. Градиентный спуск можно использовать для нахождения максимума, если мы минимизируем отрицательную функцию. То есть, чтобы найти максимум функции, мы можем применить градиентный спуск к её отрицательной версии.
Это утверждение неверно. Градиентный спуск не гарантирует нахождение точного минимума, особенно если функция имеет сложную структуру (например, если есть несколько локальных минимумов). Он может застрять в локальном минимуме и не дойти до глобального минимума.
Таким образом, верные утверждения: первое и третье.