神经网络优化：RMSprop（均方根传播梯度下降法）
最终目的仍是减少振荡方向(b)的更新幅度，提高前进方向(ω)的更新幅度
引入Sdω和Sdb，如公式表达，由于dω<db，求其均方根作为分母，实现ω的更新幅度大，而b的更新幅度小
注意
1. 使用中为了避免出现√Sdω=0导致除数为0的情况出现，应令√(Sdω+ε) （吴恩达视频中建议ε=1e-8）
2. 与动量梯度下降法一样，需要对S进行修正：S = S/(1-βt)
最终目的仍是减少振荡方向(b)的更新幅度，提高前进方向(ω)的更新幅度
引入Sdω和Sdb，如公式表达，由于dω<db，求其均方根作为分母，实现ω的更新幅度大，而b的更新幅度小
注意
1. 使用中为了避免出现√Sdω=0导致除数为0的情况出现，应令√(Sdω+ε) （吴恩达视频中建议ε=1e-8）
2. 与动量梯度下降法一样，需要对S进行修正：S = S/(1-βt)
