Градентно-базирани методи за оптимизация
Градентно-базираните методи за оптимизация са клас алгоритми, които използват информацията за градиента (първата производна) на целевата функция, за да намерят локален минимум или максимум. Тези методи са в основата на много алгоритми за машинно обучение, особено за обучение на дълбоки невронни мрежи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424-438. DOI: 10.2307/1912791 ↗
- Primiceri, G. E. (2005). Time varying structural vector autoregressions and monetary policy. Review of Economic Studies, 72(3), 821-852. DOI: 10.1111/j.1467-937X.2005.00353.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Time-Varying Parameter Granger Causality. ScholarGate. https://scholargate.app/bg/econometrics/time-varying-parameter-granger-causality
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Тест за причинност на ГрейнджърИконометрия↔ сравняване
- Калманов филтърБейсови методи↔ сравняване
- Структурна векторна авторегресия (SVAR)Иконометрия↔ сравняване
- Векторна авторегресия (VAR)Иконометрия↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →