検索

問題を解くための手順・計算のルールを明確に定めたもの。

出力の誤差を出力層から入力層へ逆向きに伝え、各[[weight]]を効率的に更新する学習アルゴリズム。

強化学習の代表的アルゴリズム。RLHFでモデルを安定的に更新するのに使われる。

損失関数の傾き(勾配)をたどって、誤差が最小になる方向へパラメータを少しずつ更新する最適化手法。