MLE di Laplacian (opzione Robust della rete neurale JMP)C'è un documento che descrive l'implementazione di JMP dell'opzione robusta per la piattaforma di rete neurale JMP ANN che osserva che massimizza la probabilità di una distribuzione laplaciana, che [ovviamente] è la stessa cosa che minimizzare le deviazioni assolute. Tuttavia, in questo caso non esiste un gradiente analitico (la funzione non è differenziabile), quindi in che modo JMP esegue effettivamente l'ottimizzazione in questo caso? Usano un'approssimazione uniforme alla funzione del valore assoluto e quindi applicano un metodo quasi-newton? Oppure calcolano un gradiente numerico e applicano ancora un metodo quasi-newton, ma sii particolarmente attento attorno allo zero?
