NISHIO Hirokazu
[Translate]
鞍点
勾配降下法の最適化アルゴリズム
高次元の関数に関して、勾配が0である点(停留点)のほとんどは鞍点である。
10次元の場合で99.8%
効用関数
の最大化という観点でとらえるならこういうストーリーになる
今の製品からあまり離れない製品の中から、もっとも効用関数が大きくなる物を選ぶ
=今の製品で表現される点の勾配に基づいて、最も勾配が大きくなる方向へ更新する
それを繰り返していると鞍点に到達する
鞍点に来るまでに進んできた方向に進んでも効用は減少する
まったく違う方向に進む必要がある
#要実験
Tweet
Related Pages
次元の呪い
→
選抜
×
数理モデル思考
×
合流点バイアス
×
選択バイアス
×
要実験
×
能ある鷹は爪を隠す
→
口の悪いエンジニア
→
相加平均
×
調和平均
×
尖った人材
×
尖った
×
非線形
×
平均志向が最悪の環境
×
要実験
×
reciprocal_rank_fusion
→
尖った人材を取るためには順位の調和平均
→
アーリーアダプター
×
限られたリソース
×
先行者利益
×
リソース
×
麻疹ワクチン
×
要実験
×
多腕バンディット
×
和で評価するとジェネラリストが選ばれる
→
アーリーアダプターと限られたリソース
→
アーリーアダプター
×
社会関係資本
×
tokoroten
×
レイトマジョリティ
×
sns
×
大企業病
×
リスク回避
×
プロスペクト理論
×
要実験
×
社会資本
×
虚無が集まる
×
アーリーアダプター集団の形成
→
SNSはなぜ栄枯盛衰するのか
→
ガウス過程
×
要実験
×
シグナリング
→
天才と秀才
→
慣性
×
現状維持
×
変革
×
多数決
×
要実験
→
人間の慣性
→
知識労働者
×
市場のトッププレイヤーしか効用を得られないモデル
×
トレードオフ
×
制約線
×
予算制約線
×
無差別曲線
×
次元の呪い
×
要実験
→
知識労働者と市場での値付け
→
効用関数
×
s字曲線
→
勝者総取り環境下で知識の効用がS字
→
選択肢
×
先延ばし
×
決断
×
行動価値
×
占い
×
要実験
→
占いの効果
→
要実験
×
問い
→
TODO
→
経済学
×
経済
×
知識
×
交換
×
制約
×
事後
×
シミュレーション
×
要実験
×
次元の呪い
×
知識産業
→
知識の経済学メモ
→
習得
×
学ぶことに臆病な人
×
見積り
×
要実験
×
アジャイルな見積りと計画づくり
×
shibukawa
×
腰の重さ
×
好奇心
→
習得コスト
→
要実験
×
プロスペクト理論
×
イノベーター理論
×
社会的証明の原理
×
リスク回避
→
リスク回避とイノベーター理論
"
Engineer's way of creating knowledge
" the English version of my book is now available on
[Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from
[Scrapbox]
at
11/23/2025, 5:01:50 PM
[Edit]