SparseApplyCenteredRmsProp

중심 RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

중심이 있는 RMSProp 알고리즘은 (중심이 없는) 두 번째 모멘트를 사용하는 일반 RMSProp과 달리 정규화를 위해 중심이 있는 두 번째 모멘트(즉, 분산)의 추정치를 사용합니다. 이는 훈련에 도움이 되는 경우가 많지만 계산 및 메모리 측면에서 약간 더 비쌉니다.

이 알고리즘의 밀집 구현에서 mg, ms 및 mom은 grad가 0인 경우에도 업데이트되지만 이 희소 구현에서는 mg, ms 및 mom은 grad가 0인 동안 반복에서 업데이트되지 않습니다.

평균 제곱 = 감쇠 * 평균 제곱 + (1-감소) * 기울기 ** 2 평균 그라디언트 = 감쇠 * 평균 그라디언트 + (1-감소) * 기울기 델타 = 학습 속도 * 기울기 / sqrt(평균 제곱 + 엡실론 - 평균 그라디언트 ** 2)

$$ms <- rho * ms_{t-1} + (1-rho) * grad * grad$$$$mom <- momentum * mom_{t-1} + lr * grad / sqrt(ms + epsilon)$$$$var <- var - mom$$