Pilih Fungsi Anda
Pilih fungsi untuk dioptimasi. Mulai dari yang sederhana dan tingkatkan ke fungsi yang lebih kompleks!
Fungsi Saat Ini: f(x) = x² - 2x + 1
Tipe: Quadratic Sederhana Pemula
Fitur: Satu minimum, jalur descent mulus
Tipe: Quadratic Sederhana Pemula
Fitur: Satu minimum, jalur descent mulus
Algoritma Gradient Descent
Sekarang kita akan menggunakan derivatives untuk menemukan minimum secara otomatis dari sebuah fungsi! Gradient descent menggunakan slope (derivative) untuk "menggelinding ke bawah" menuju titik terendah.
0.10
2.5
Fungsi: f(x) = x² - 2x + 1
Posisi Saat Ini
Jalur Gradient Descent
Minimum Ditemukan
Jalankan Algoritma Gradient Descent
Siap memulai algoritma gradient descent
Informasi Algoritma
Aturan Update Gradient Descent:
$$x_{new} = x_{old} - \alpha \cdot f'(x_{old})$$
Fungsi Saat Ini:
$f(x) = x^2 - 2x + 1$
$f'(x) = 2x - 2$
Iterasi saat ini:
$x_{0} = 2.5$, $f'(2.5) = 3.0$
$$x_{new} = x_{old} - \alpha \cdot f'(x_{old})$$
Fungsi Saat Ini:
$f(x) = x^2 - 2x + 1$
$f'(x) = 2x - 2$
Iterasi saat ini:
$x_{0} = 2.5$, $f'(2.5) = 3.0$
Detail Iterasi:
Iterasi: 0
Posisi: x = 2.5
Nilai Fungsi: f(x) = 2.25
Gradient: f'(x) = 3.0
Ukuran Langkah: α × f'(x) = 0.30
Iterasi: 0
Posisi: x = 2.5
Nilai Fungsi: f(x) = 2.25
Gradient: f'(x) = 3.0
Ukuran Langkah: α × f'(x) = 0.30