AdaGrad全称是Adaptive Gradient Algorithm，是标准Gradient Descent的又一个派生算法。标准Gradient Descent的更新公式为：
其中Learning Rate α对于Cost Function的各个feature都一样，但同一个α几乎不可能在各个feature上都表现完美，通常为了收敛，会选择较小的α。
而AdaGrad的主要思想是：在各个维度上使用不同的learning rate，从而加快函数收敛的速度。其公式为：
gt是t时刻目标函数的梯度，可以看到，依旧为各个feature设置了统一的α，但是通过历史梯度累计RMS作为分母来调节该learning rate。δ是一个很小的数例如10-7，仅仅为了分母不为0。
如果我们将等式右侧第二项看做一个整体。则标准Gradient Descent是，对t时刻梯度大的feature更新步子大，对t时刻梯度小的feature更新步子小。可以说Gradient Descent是衡量绝对大小的，但AdaGrad则不同，采取了“相对大与相对小”。使用当前时刻的梯度与历史梯度的RMS相比较，如果梯度变缓了，说明快要收敛了，那么步子调整的小一些；而如果梯度突然变大了，那证明参数需要大幅度更新了。
单AdaGrad算法虽然在凸函数(Convex Functions)上表现较好，但在非凸函数上却可能有局限。在深度学习训练中，Cost Function有可能会是很复杂的空间结构，有可能在某些平缓的结构上使用了很小的steps，但在某一时刻却有希望增大步伐。但上式的分母表示，优化的更新步伐和t时刻之前的所有时刻的梯度都相关，所以很有可能当算法希望增大步伐时，更新幅度已经衰减到很小，从而导致优化过程被困在某个局部最优点。
基于此，多大的Hinton教授提出了RMSProp，将AdaGrad和EMA结合起来。将上式分母的部分做成滑动的窗口，通过参数ρ来控制窗口的大小。从而，梯度的“相对大小”参照物，会丢弃遥远的历史，只与相邻窗口内的结构进行比较，来决定更新步幅的大小。梯度的EMA等于：
参数更新公式为：
