4.6.2 优化算法的优化-应对震荡

常用的减震算法，比较容易想到的就是利用 阻尼运动特性 和 加速度，即 动量（Momentum），来减小离散瞬时值的影响。因此，先贤们首先想到的就是梯度迭代动量化。

标准动量（Standard Momentum）

迭代公式：

$${\displaystyle \begin{aligned} v_t &= \gamma v_{t-1} + \eta \nabla_\theta J(\theta) \\ \theta_t &= \theta_{t-1} - v_t \\ \end{aligned} }$$

标准动量（Standard Momentum） 是在原有计算权重迭代基础上，通过引入上一次变化值情况，来强化梯度延方向变化趋势。即 SGD/BGD/MBGD + Momentum。 这样做可以使得梯度方向不变的维度，权重迭代速率加快，而方向发生改变的维度，更新速度变慢。并且由于速度此时变化是和 之前状态 有关系的，就不会发生“指向突变”的情况，有助于减小震荡和跃出鞍点。

超参数 $\gamma$ 被称为 阻尼系数，或遗忘因子。一般取 $\gamma = 0.9$ ，表示经验重要程度。

然而，单纯的动量处理却也存在其他问题。最明显的就是，因为动量叠加，没有修正逻辑的纯动量叠加，会导致每一次的轻微误差也随着时间一起叠加，导致当前时刻 $t$ 时，实际梯度变化速率要远大于实际值，阻尼因子设定过小和初速度过大都可能会久久不能收敛。所以，在动量化的基础上，我们更希望能够有修正方法来减小误差的累积。

幸运的是 Nesterov Y. 在1983年提出的 NAG 很好的解决了这个问题。

涅斯捷罗夫梯度加速（NAG [Nesterov Accelerated Gradient]）

迭代公式：

$${\displaystyle \begin{aligned} v_t &= \gamma v_{t-1} + \eta \nabla_\theta J(\theta-\gamma v_{t-1}) \\ \theta_t &= \theta_{t-1} - v_t \\ \end{aligned} }$$

涅斯捷罗夫梯度加速（NAG [Nesterov Accelerated Gradient]） 较标准动量化处理来说，用来计算当前梯度方向的时候，计算 损失函数（Loss） 采用的是基于当前上一次梯度变化值预测的，当前状态下，下一次可能的维度权重。以这个预测的维度权重来计算当前位置的方向梯度变化，来修正动量化算法。这样，当我们计算当前 $t$ 时梯度变化速度的时候，就可以从一定程度上避免掉误差堆积导致的问题。

这里借用一下 Hinton 课程 [17] 中的图来说明效果：

图 4-36 NAG 加速作用过程示意图[17]

可以看出，**蓝色（blue vector）**是 标准动量 的过程，会先计算当前的梯度，然后在更新后的累积梯度后会有一个大的跳跃。绿色是 NAG 会先在前一步 棕色（brown vector） 的累积梯度上有一个大的跳跃，然后衡量梯度做 红色（red vector） 修正偏移。

这种预期的更新可以避免我们走的太快。