মিনি ব্যাচের গ্রেডিয়েন্ট বংশোদ্ভূত কীভাবে একটি জিন পয়েন্টে আটকা যেতে পারে তা নিয়ে আমি বর্তমানে কিছুটা বিস্মিত হয়েছি।
সমাধানটি খুব তুচ্ছ হতে পারে যা আমি এটি পাই না।
আপনি একটি নতুন নমুনা প্রত্যেক যুগে পেতে, এবং এটি একটি নতুন একটি নতুন ব্যাচ উপর ভিত্তি করে ত্রুটি নির্ণয়, তাই খরচ ফাংশন প্রতিটি ব্যাচ, কেবল স্ট্যাটিক হয় যার মানে গ্রেডিয়েন্ট প্রতিটি ক্ষুদ্র ব্যাচ জন্য পরিবর্তন করা উচিত .. কিন্তু অনুযায়ী এই উচিত একটি ভ্যানিলা বাস্তবায়নের ক্ষেত্রে স্যাডল পয়েন্ট রয়েছে?
নিউরাল নেটওয়ার্কগুলির জন্য সাধারণভাবে নন-কনভেক্স ত্রুটি ফাংশনগুলি হ্রাস করার আরও একটি মূল চ্যালেঞ্জ তাদের অসংখ্য সাবঅপটিমাল স্থানীয় মিনিমাতে আটকা পড়া এড়ানো। ডাউফিন এট আল। [১৯] যুক্তিযুক্ত যে সমস্যাটি স্থানীয় মিনিমা থেকে নয় তবে স্যাডল পয়েন্টগুলি থেকে উত্থাপিত হয়েছিল, যেমন পয়েন্ট যেখানে একটি মাত্রা opালু এবং অন্যটি opালু। এই স্যাডল পয়েন্টগুলি সাধারণত একই ত্রুটির একটি মালভূমি দ্বারা বেষ্টিত থাকে, যা এসজিডিকে পালাতে অসুবিধাজনক করে তোলে কারণ গ্রেডিয়েন্টটি সমস্ত মাত্রায় শূন্যের কাছাকাছি থাকে।
আমি বোঝাতে চাইছি বিশেষত এসজিডি স্যাডল পয়েন্টগুলির বিপরীতে স্পষ্ট সুবিধা পাবে, কারণ এটি তার সংশ্লেষণের দিকে ওঠানামা করে ... ... প্রতিযোগিতার জন্য ওঠানামা এবং এলোমেলো নমুনা এবং ব্যয় ক্রিয়াকলাপ পৃথক হওয়া কোনও কারণেই আটকে না যাওয়ার যথেষ্ট কারণ হওয়া উচিত।
সম্পূর্ণ ব্যাচের গ্রেডিয়েন্ট শালীনতার জন্য কী ত্রুটি ফাংশনটি ধ্রুবক হওয়ায় এটি স্যাডল পয়েন্টে আটকা পড়তে পারে তা বোঝা যায় না।
আমি অন্য দুটি অংশে কিছুটা বিভ্রান্ত হয়ে পড়েছি।