В нестеровском импульсе Градиент функции ошибки по параметрам рассчитывается в точке, отличной от той, где была рассчитана стоимость - то есть модель немного отскакивает вперед в соответствии со своим предыдущим импульсом и вычисляет градиенттам использовать в дальнейшем расчете.Мой вопрос: если потеря была рассчитана в нашей текущей точке, как мы можем рассчитать градиент в другой точке, когда потеря неизвестна?Я прочитал этот ответ , который как бы отвечает на этот вопрос, но в лучшем случае дает приближение, и которое работает не во всех случаях.Может ли кто-нибудь помочь мне с тем, как мы должны рассчитывать градиент в другой точке без потерь, или если мы просто должны использовать приведенное выше приближение?Спасибо.