Я хотел бы увеличить функцию с одним параметром.Как запустить алгоритм спуска градиента, когда пространство параметров ограничено?
Таким образом, я запускаю спуск градиента (или, фактически, всплытие): начинаю с начального параметра и продолжаю добавлять градиент (умножая некоторый коэффициент скорости обучения, который становится все меньше и меньше), переоценивайте градиент с учетом нового параметра, и так далее до сближения.
Но есть одна проблема: параметр должен оставаться положительным, поэтому он не должен быть < = 0, потому что моя функция будет неопределенной. Мой поиск градиента иногда попадает в такие регионы, хотя (когда он был положительным, градиент сказал ему идти немного ниже, и он переполняется).
И чтобы ухудшить положение, градиент в такой точке может быть отрицательным, что приведет к еще более отрицательным значениям параметров. (Причина в том, что целевая функция содержит журналы, но градиент - нет.)
Каковы некоторые (простые) алгоритмы, которые касаются этой проблемы с ограниченной проблемой оптимизации? Я надеюсь на простое исправление моего алгоритма. Или, может быть, игнорировать градиент и выполнить поиск линии для оптимального параметра?
+1 для логарифмического штрафа –