स्टोकेस्टिक ग्रेडिएंट डिसेंट (एसजीडी)
स्टोकेस्टिक ग्रेडिएंट डिसेंट (एसजीडी) एक प्रथम-क्रम पुनरावृत्तीय अनुकूलन एल्गोरिथम है, जो रॉबिंस और मुनरो द्वारा 1951 में प्रस्तुत स्टोकेस्टिक सन्निकटन ढांचे पर आधारित है, जो प्रत्येक चरण में एक यादृच्छिक रूप से चयनित प्रशिक्षण उदाहरण (या एक छोटे मिनी-बैच) पर परिकलित ग्रेडिएंट का उपयोग करके मॉडल मापदंडों को अद्यतन करके एक उद्देश्य फ़ंक्शन को न्यूनतम करता है। यह आधुनिक मशीन लर्निंग और डीप लर्निंग के पीछे का मुख्य अनुकूलन इंजन है, जो मेमोरी में फिट होने के लिए बहुत बड़े डेटासेट पर मॉडल को प्रशिक्षित करने में सक्षम बनाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Robbins, H. & Monro, S. (1951). A Stochastic Approximation Method. The Annals of Mathematical Statistics, 22(3), 400–407. DOI: 10.1214/aoms/1177729586 ↗
- Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning (Ch. 8). MIT Press. ISBN: 978-0-262-03561-3
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Stochastic Gradient Descent (SGD) Optimization Algorithm. ScholarGate. https://scholargate.app/hi/machine-learning/stochastic-gradient-descent
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare