Градиентный спуск, нейронные сети Для функции f(x)=x^2−6∗x+5 рассчитайте значение функции в начале следующего шага при начальном значении −4 , а скорости обучения 1.
Таким образом, значение функции в начале следующего шага при начальном значении x=-4 и скорости обучения 1 будет равно f(10) = 10^2 - 6*10 + 5 = 100 - 60 + 5 = 45.
Шаг градиентного спуска для функции f(x) будет осуществляться по формуле:
x_new = x_old - learning_rate * f'(x_old)
Где f'(x) - производная функции f(x). Для данной функции f(x)=x^2−6∗x+5, производная будет равна:
f'(x) = 2x - 6
Теперь мы можем рассчитать значение функции в начале следующего шага при начальном значении x=-4 и скорости обучения learning_rate=1:
x_new = -4 - 1 (2(-4) - 6)
x_new = -4 - 1 * (-8 - 6)
x_new = -4 + 14
x_new = 10
Таким образом, значение функции в начале следующего шага при начальном значении x=-4 и скорости обучения 1 будет равно f(10) = 10^2 - 6*10 + 5 = 100 - 60 + 5 = 45.