[딥러닝] 4-2. 고급 경사 하강법

4-2. 고급 경사 하강법

경사 하강법에서 오차의 최솟값, 즉 최적해에 다다르기까지 얼마만큼 계산을 반복하는 가에 따라서, 효율이 결정난다고 했었다.
그냥 일반 경사 하강법을 이용하면 계산량이 매우 많아지기에, 성능이 좋지 않은데, 이러한 단점 을 보완한 여러 가지 계산법이 나왔다.
바로 이런 계산법들이 고급 경사 하강법 이다.

고급경사 하강법

확률적 경사 하강법(SGD)

기존의 촘촘히 오차를 줄여나가는 일반 경사 하강법과 달리, 랜덤으로 범위를 왔다 갔다 하면서 좀 더 빠르게 최적해(오차 최솟값)에 다다르는 방법 (속도 최적화)

고급경사 하강법

모멘텀(momentum)

모멘텀의 뜻은 관성, 탄력이라는 뜻으로, SGD(확률적 경사 하강법)에 탄력을 더해서,
이전 이동 값을 생각해서, 이전 이동 값의 일정 비율로 다음 값을 이동하는 방법 (정확도 최적화)

네스테로프 모멘텀(NAG)

모멘텀의 이동 방향을 미리 가서, 불필요한 이동을 줄이는 방법 (정확도 최적화)

아다그라드

변수를 사용하는데, 이 변수의 업데이트가 잦으면 학습률이 줄어드는 특징의 방법

알엠에스프롭

아다그라드의 보폭 민감도를 보완한 방법 (보폭 크기를 개선)

아담(Adam)

모멘텀과 알엠 에스프롭을 혼합한 방법으로, 현재 가장 많이 사용되는 활성화 함수다.