深度分析
Coherent Coordinate Descent(CoCD):以梯度相干性與有限差分緩衝穩定輕量零階優化
在無法回傳微分或記憶體受限的場景下,零階(Zeroth‑Order)優化是重要工具。論文提出 Coherent Coordinate Descent(CoCD):一種確定性、循環式的座標更新方法,透過 FIFO 型梯度緩衝與衰減機制把過去(stale)梯度當作暖啟動資源,並用較大步長的有限差分帶來隱式平滑效果。
深度分析
在無法回傳微分或記憶體受限的場景下,零階(Zeroth‑Order)優化是重要工具。論文提出 Coherent Coordinate Descent(CoCD):一種確定性、循環式的座標更新方法,透過 FIFO 型梯度緩衝與衰減機制把過去(stale)梯度當作暖啟動資源,並用較大步長的有限差分帶來隱式平滑效果。
深度分析
在無法取得反向傳播梯度的場景(例如記憶受限的裝置學習或黑箱優化),傳統有限差分雖穩定但需大量查詢,隨機化方法則節省查詢卻產生高變異。