轉自：http://blog.csdn.net/bvl10101111/article/details/72615621
先上結論：
1.動量方法主要是為了解決Hessian矩陣病態條件問題（直觀上講就是梯度高度敏感於參數空間的某些方向）的。
2.加速學習
3.一般將參數設為0.5,0.9，或者0.99，分別表示最大速度2倍，10倍，100倍於SGD的算法。
4.通過速度v，來積累了之前梯度指數級衰減的平均，並且繼續延該方向移動：
再看看算法： 
動量算法直觀效果解釋：
如圖所示，紅色為SGD+Momentum。黑色為SGD。可以看到黑色為典型Hessian矩陣病態的情況，相當於大幅度的徘徊着向最低點前進。
而由於動量積攢了歷史的梯度，如點P前一刻的梯度與當前的梯度方向幾乎相反。因此原本在P點原本要大幅徘徊的梯度，主要受到前一時刻的影響，而導致在當前時刻的梯度幅度減小。
直觀上講就是，要是當前時刻的梯度與歷史時刻梯度方向相似，這種趨勢在當前時刻則會加強；要是不同，則當前時刻的梯度方向減弱。
從另一個角度講：
要是當前時刻的梯度與歷史時刻梯度方向相似，這種趨勢在當前時刻則會加強；要是不同，則當前時刻的梯度方向減弱。
假設每個時刻的梯度g總是類似，那么由我們可以直觀的看到每次的步長為：
即當設為0.5,0.9，或者0.99，分別表示最大速度2倍，10倍，100倍於SGD的算法。