SYSTEM ATLASЗагрузка материала

Стохастический градиентный спуск

Stochastic Gradient Descent

Шумные оценки градиента ускоряют обучение на больших данных.

Простыми словами

Например, нужно выбрать маршрут доставки из множества вариантов, но полный перебор займёт слишком много времени. Поэтому результат сравнивают не только с ближайшим улучшением, но и с ограничениями всей задачи - иначе можно быстро прийти к хорошему на вид, но далёкому от лучшего решению.

Механизм действия

Сначала проверяют, есть ли исходное условие из определения. Затем смотрят, как оно влияет на внимание, ожидания, ограничения выбора и обратную связь. Если эту связь не удаётся наблюдать, принцип не стоит использовать как готовое объяснение.

Пример в работе

Нерабочий подход

Решение принимают без учета механизма «Стохастический градиентный спуск», оценивая только ближайший эффект.

Системный подход

Перед изменением проверяют, как «Стохастический градиентный спуск» влияет на ограничения, стимулы, зависимости и вторичные последствия.

Ограничения

«Стохастический градиентный спуск» объясняет только часть происходящего в области «Оптимизация и решения». Сам принцип не говорит, насколько сильным будет эффект в вашем случае, и не заменяет измерения. При другом масштабе, среде или временном горизонте результат может отличаться.

Источник

Herbert Robbins; Sutton Monro, “A Stochastic Approximation Method”, 1951.

Первоисточник