其他分享
首页 > 其他分享> > 海森(Hessian)矩阵

海森(Hessian)矩阵

作者:互联网

 在图的鞍点位置,⽬标函数在x轴⽅向上是局部最小值,但在y轴⽅向上是局部最⼤值。假设⼀个函数的输⼊为k维向量,输出为标量,那么它的海森矩阵(Hessian matrix)有k个特征值(参⻅附录中“数学基础”⼀节)。该函数在梯度为0的位置上可能是局部最小值、局部最⼤值或者鞍点。

当函数的海森矩阵在梯度为零的位置上的特征值全为正时,该函数得到局部最小值。
• 当函数的海森矩阵在梯度为零的位置上的特征值全为负时,该函数得到局部最⼤值。
•当函数的海森矩阵在梯度为零的位置上的特征值有正有负时,该函数得到鞍点。
随机矩阵理论告诉我们,对于⼀个⼤的⾼斯随机矩阵来说,任⼀特征值是正或者是负的概率都
是0.5 [1]。那么,以上第⼀种情况的概率为 0:5k。由于深度学习模型参数通常都是⾼维的(k很
⼤),⽬标函数的鞍点通常⽐局部最小值更常⻅。

标签:特征值,函数,海森,局部,矩阵,鞍点,Hessian
来源: https://www.cnblogs.com/zjuhaohaoxuexi/p/11805101.html