Список вопросов базы знаний

Алгоритм может "проскакивать" искомую точку

Антиградиент задает направление наибольшего убывания этой функции

В методах спуска обычно используют единичный вектор, определяющий направление спуска

В случае минимизации дифференцируемой функции необходимое условие экстремума - отличие градиента от нуля

В теории численных методов многомерной оптимизации большое внимание уделено поиску минимума квадратичных функций

Высказанные соображения качественного характера о методах наискорейшего спуска справедливы только для сильно выпуклых функций

Исчерпывающий спуск может дать положительный результат при минимизации тех функций, к которым не применим метод градиентного спуска

Любая итерационная последовательность сходится к пределу

Метод градиентного спуска для квадратичных функций всегда приводит к ответу за одну итерацию

Метод наискорейшего спуска отличается от метода градиентного поиска

Методы прямого поиска менее изучены, большинство из них носят эвристический характер

Методы прямого поиска просты в реализации

При анализе сходимости релаксационной последовательности удобно рассматривать возрастающую последовательность

Теорему Коши-Буняковского применяют для оценки сходимости градиентных методов

Точка, найденная при помощи исчерпывающего спуска, всегда совпадает с соответствующей точкой, найденной по методу наискорейшего спуска

У выпуклой функции может быть несколько минимумов

Шаг спуска на каждой итерации пропорционален длине вектора антиградиента