神经网络优化：RMSprop（均方根传播梯度下降法）

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)

标签：吴恩达,梯度,RMSprop,幅度,更新,方根,神经网络,Sd
来源： https://www.cnblogs.com/toriyung/p/16537212.html