জেএম স্টোরেজ সম্পর্কে ঠিক। বিএফজিএসের জন্য আনুমানিক হেসিয়ান প্রয়োজন, তবে আপনি এটিকে পরিচয় ম্যাট্রিক্স দিয়ে সূচনা করতে পারেন এবং তারপরে সীমাবদ্ধ পার্থক্যের পরিবর্তে বিশদভাবে বিশ্লেষণাত্মকভাবে উপলব্ধ হিসাবে যতক্ষণ আপনার ধীরে ধীরে তথ্য পাওয়া যায় ততক্ষণ আপনি আনুমানিক হেসিয়ানের সাথে র্যাঙ্ক-টু আপডেটগুলি গণনা করতে পারেন। বিএফজিএস একটি অর্ধেক নিউটন পদ্ধতি, এবং এটি সিজির চেয়ে কম পদক্ষেপে রূপান্তরিত হবে এবং প্রতিটি "পুনরাবৃত্তির জন্য উল্লেখযোগ্য বংশোদ্ভূত হওয়ার জন্য সামান্য অ্যালগরিদমিক টুইটগুলি প্রয়োজন এবং" আটকে "যাওয়ার প্রবণতাটি কিছুটা কম রাখে।
বিপরীতে, সিজির জন্য ম্যাট্রিক্স-ভেক্টর পণ্যগুলির প্রয়োজন, যা আপনি কার্যকর হতে পারেন যদি আপনি নির্দেশিক ডেরিভেটিভগুলি (আবার বিশ্লেষণাত্মকভাবে, বা সীমাবদ্ধ পার্থক্যগুলি ব্যবহার করে) গণনা করতে পারেন be দিকনির্দেশক ডেরিভেটিভের একটি সীমাবদ্ধ পার্থক্য গণনা হেসিয়ানের সীমাবদ্ধ পার্থক্য গণনার তুলনায় অনেক কম সস্তা হবে, তাই আপনি যদি সীমাবদ্ধ পার্থক্য ব্যবহার করে আপনার অ্যালগরিদম তৈরির জন্য বেছে নেন, তবে সরাসরি দিকনির্দেশক ডেরিভেটিভ গণনা করুন। এই পর্যবেক্ষণটি অবশ্য BFGS- এর ক্ষেত্রে প্রযোজ্য নয়, যা গ্রেডিয়েন্ট তথ্যের অভ্যন্তরীণ পণ্যগুলি ব্যবহার করে আনুমানিক হেসিয়ানদের গণনা করবে।
কনভার্জেন্স রেটের ক্ষেত্রে, যদি আপনার সমস্যায় সিদ্ধান্ত পরিবর্তনকের সংখ্যা হয় তবে সিজি পুনরাবৃত্তি নিউটনের পদ্ধতির এক ধাপের সমান। বিএফজিএস হল একটি কোয়াটি-নিউটন পদ্ধতি, তবে একই ধরণের পর্যবেক্ষণ রাখা উচিত; যদি আপনি কয়েকটি সিজি দিকনির্দেশ না করেন যেখানে অনেক বংশদ্ভূত থাকে এবং আপনি কয়েকটি সিজি পুনরাবৃত্তির পরে, আপনি এটি পুনরায় চালু না করেন তবে আপনি বিএফজিএস এর সাথে কম পুনরাবৃত্তিতে কনভার্জেন্স লাভ করতে পারেন। ম্যাট্রিক্স-ভেক্টর পণ্য সস্তা হলে সিজি-এর মতো পদ্ধতিগুলি সস্তা এবং আপনার সমস্যা এত বড় যে হেসিয়ান সংরক্ষণ করা কঠিন বা অসম্ভব। BFGS এর আনুমানিক হেসিয়ান আপডেট করার জন্য আরও কিছু ভেক্টর-ভেক্টর পণ্য জড়িত, সুতরাং প্রতিটি বিএফজিএস পুনরাবৃত্তি আরও ব্যয়বহুল হবে, তবে স্থানীয় ন্যূনতম পৌঁছাতে আপনার কম সংখ্যক প্রয়োজন।এনএনএন
আপনার অ্যাপ্লিকেশনটির জন্য আমি দুটি অ্যালগরিদমকে একটি ছোট পরীক্ষার সমস্যার সাথে তুলনা করব যদি আপনি জানেন যে স্টোরেজ কোনও সমস্যা হবে না। আপনার সমস্যার নির্দিষ্ট বৈশিষ্ট্যগুলি না জেনে, আমার অনুমান যে BFGS দ্রুততর হবে, তবে কোনটি আরও ভাল কাজ করবে সে সম্পর্কে একটি ভাল ধারণা পাওয়ার জন্য আপনার অবশ্যই দুটি অ্যালগরিদম পরীক্ষা করা উচিত।
অবশেষে, স্বয়ংক্রিয় পার্থক্য সম্পর্কে একটি শব্দ: ফোর্টরান ( ডিএইপ্যাক ) এর জন্য বাড়ির স্বয়ংক্রিয় ডিফারেন্সেশন (এডি) সুবিধার সাথে কিছু অভিজ্ঞতা থাকার কারণে , আমি আপনাকে বলতে পারি যে এডি সরঞ্জামগুলি প্রায়শই চতুর থাকে। তারা নিজেরাই যে কোডটি জেনারেট করে সেগুলি আলাদাভাবে আলাদা করতে সক্ষম হতে পারে না। দুটি ধরণের এডি সরঞ্জাম রয়েছে:
- উত্স থেকে উত্স এডি সরঞ্জাম
- অপারেটর ওভারলোডিং এডি সরঞ্জাম
উত্স-থেকে-উত্স সরঞ্জামগুলি মূলত আপনার লিখিত উত্স কোডটি গ্রহণ করে, এটি বিশ্লেষণ করে, এবং স্বয়ংক্রিয়ভাবে নতুন উত্স কোড উত্পন্ন করে যা আপনার উত্স কোডের ফাংশনগুলির গ্রেডিয়েন্ট গণনা করে comp অপারেটর ওভারলোডিং এডি সরঞ্জামগুলির জন্য আপনার উত্স কোডে ওভারলোড হওয়া এডি অপারেটরগুলি ব্যবহার করা দরকার যাতে ডেরিভেটিভগুলি গণনা করা যায়, যার জন্য আপনার সাথে AD এর সাথে বিশ্লেষণী ডেরিভেটিভগুলি গণনা করার জন্য অতিরিক্ত প্রচেষ্টা প্রয়োজন।