Какой аналог метод ньютона для многомерного пространства?

Существует метод Ньютона для нахождения нуля функции: x -> x-y/y' и метод градиентного спуска для нахождения минимума функции: x -> x - a*gradx.
Можно ли их "скрестить" и получить более оптимальную версию градиентного спуска, например формулой x -> x - a*y*gradx/(|gradx|^2)? Если да, то как это сделать правильно? А если нет, то почему?
  • Вопрос задан
  • 57 просмотров
Пригласить эксперта
Ответы на вопрос 1
@illaaa
Не совсем понимаю, в чем суть задумки. А вернее, какой результат вы хотите получить?

Метод Ньютона находит ноль функции - просто точку, в которой функция будет равна нулю.
Метод градиентного спуска находит минимум функции (не всегда глобальный).
Ноль функции не обязательно должен быть ее минимумом.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы
Gradient Москва
от 300 000 ₽
InterJob Москва
от 220 000 до 300 000 ₽
DATUM Group Ростов-на-Дону
от 60 000 до 75 000 ₽
29 мая 2020, в 01:41
850 руб./за проект
29 мая 2020, в 00:02
5000 руб./за проект
28 мая 2020, в 23:42
10000 руб./за проект