Các lượt nộp
    Danh sách bài
    Trang chủ
    Báo lỗi

    solution

    Đề bài: [Data Science] Một bước cập nhật gradient descent có quán tính (momentum)

    Tối ưu một tham số vector θ∈Rn\theta \in \mathbb{R}^{n}θ∈Rn bằng momentum. Cho gradient hiện tại g∈Rng \in \mathbb{R}^{n}g∈Rn, vận tốc trước đó v∈Rnv \in \mathbb{R}^{n}v∈Rn, hệ số quán tính β\betaβ và tốc độ học η\etaη. Một bước cập nhật: v′=βv+g,θ′=θ−η v′v' = \beta v + g,\qquad \theta' = \theta - \eta\, v'v′=βv+g,θ′=θ−ηv′

    In ra trên dòng 1 vận tốc mới v′v'v′ (nnn số), trên dòng 2 tham số mới θ′\theta'θ′ (nnn số). Tất cả làm tròn 2 chữ số.

    • Định dạng đầu vào:

      Dòng 1: nnn β\betaβ η\etaη. Dòng 2: θ\thetaθ (nnn số). Dòng 3: vvv (nnn số). Dòng 4: ggg (nnn số).

    • Ràng buộc đầu vào:

      1≤n≤101 \le n \le 101≤n≤10; 0≤β<10 \le \beta < 10≤β<1; 0<η≤10 < \eta \le 10<η≤1.

    • Định dạng đầu ra:

      Dòng 1: v′v'v′. Dòng 2: θ′\theta'θ′. Đều làm tròn 2 chữ số.

    Ví dụ:

    Đầu vào:

    1 0.9 0.1
1
2
3

    Đầu ra:

    4.80
0.52

    Giải thích:

    v'=0.9*2+3=4.8. θ'=1-0.1*4.8=1-0.48=0.52.

    Đang tải editor...