Descente de Gradient

Rouler vers le bas pour trouver le minimum — le moteur du machine learning

La descente de gradient trouve le minimum d'une fonction en faisant des pas répétés dans la direction de la pente la plus raide. Le gradient (dérivée) indique quelle direction est "en descente", et le taux d'apprentissage contrôle la taille de chaque pas.

Le graphique montre f(x) = x⁴ − 3x² + 2, qui a deux vallées (minima locaux). En partant d'un point, l'algorithme suit la pente vers le bas, pas à pas, jusqu'à atteindre une vallée. C'est exactement ainsi qu'apprennent les réseaux de neurones — ils "roulent vers le bas" sur un paysage de perte.

Demandez à l'IA « Démarre en x = 2 et descends » ou « Que se passe-t-il avec un grand taux d'apprentissage ? »

Sujets liés

Qu'est-ce qu'une Dérivée ?Méthode de Newton-RaphsonÉquations du Second Degré

Suggested Lessons

Slope Quadratic Equations Unit Circle Word Problems
Qu'est-ce que la descente de gradient ?
Un algorithme d'optimisation qui trouve les minima d'une fonction par itération : x_{n+1} = x_n − α · f'(x_n), où α est le taux d'apprentissage. À chaque pas, on se déplace dans la direction opposée au gradient (vers le bas).
Qu'est-ce que le taux d'apprentissage ?
Le taux d'apprentissage α contrôle la taille du pas. Trop petit : convergence lente, de nombreux pas nécessaires. Trop grand : on dépasse le minimum et on peut diverger. Trouver le bon taux est un défi clé en machine learning.
Quelle est la différence entre minimum local et global ?
Un minimum local est une vallée plus basse que ses environs immédiats mais peut ne pas être le point le plus bas en absolu. Un minimum global est le point le plus bas dans l'ensemble. La descente de gradient peut rester coincée dans des minima locaux — elle ne voit que la pente locale.
Comment est-ce utilisé en machine learning ?
Les réseaux de neurones ont une « fonction de perte » qui mesure l'erreur de prédiction. La descente de gradient ajuste les paramètres du modèle pour minimiser cette perte — en roulant littéralement vers le bas sur un paysage de haute dimension. Tous les modèles d'IA que vous utilisez ont été entraînés ainsi.
What can it graph?
It can plot explicit, implicit, and parametric functions, add points and geometry, and animate sliders on the same graph.
Can I use voice or a photo?
Yes. You can talk to the tutor, upload a worksheet or handwritten problem, and let the graph update from that input.
Will it explain the steps?
Yes. The AI explains what it is drawing and why, so you see the answer on the graph instead of getting only a final number.