목표함수의 도함수를 근사시킨 뒤 적분하면 오차가 더 줄어들거같은데
목표함수가 x < 0에서 0, x > 0에서 1/2*x^2이면
도함수는 ReLU인거니까 ReLU에 근사시킨 다음에 적분하면
존나 매끄러운 목표함수가 나옴.
물론 적분상수는 따로 방법을 생각해봐야겠지만
목표함수의 도함수를 근사시킨 뒤 적분하면 오차가 더 줄어들거같은데
목표함수가 x < 0에서 0, x > 0에서 1/2*x^2이면
도함수는 ReLU인거니까 ReLU에 근사시킨 다음에 적분하면
존나 매끄러운 목표함수가 나옴.
물론 적분상수는 따로 방법을 생각해봐야겠지만
뭐라는 건지 모르겠는데 목표 함수가 뭐임
그게 되면 그냥 뉴턴법으로 구해버리면 되지 왜 경사하강같은 병신같은 방법을 하겠노 - dc App
목표함수는 뭐고 relu가 왜 도함수죠?
fisher matrix 검색
목표함수의 도함수가 뭔지 어케아는데 ㅋㅋ;
목표함수를 근사한다는 게 뭐지... 목표함수의 최소값을 찾는게 딥러닝 아님?\
반대로 말했는데 목표함수를 최대화하는거지. 그런데 목표함수의 도함수의 최대값은 목표함수와 같은 지점이 아닐테니 이미 전혀 다른 문제를 풀고 있는 거고
fisher divergence
미분 가능하긴 함?
딥러닝에선 적분안쓰는데 뭔 솔. 걍 다 더하지
self adjoint method 검색 - dc App
objective=목적함수=손실함수. loss function의 도함수를 찾으면 학습이 끝난거지 뭘 더 할 필요가 없음