「目標勾配（target gradient）」とは、深層学習において、モデルの学習に使用される勾配（gradient）のことを指します。
深層学習においては、学習データを用いてモデルを訓練します。この際、モデルの重みパラメーターを更新するために、目的関数の勾配を求め、その勾配に基づいてパラメーターを更新することが行われます。この目的関数の勾配を求める際に、最適な勾配を求めることを目的とした勾配法（gradient-based optimization）が用いられます。
目標勾配は、目的関数の勾配が、正しく更新されるために必要な勾配の大きさを指します。深層学習においては、目標勾配を定めることで、学習の収束性や速度を改善することができます。目標勾配を適切に設定することで、勾配消失や勾配爆発といった問題を回避し、より効率的な学習を実現することができます。
目標勾配の設定には、経験的な手法や自動調整アルゴリズムが用いられます。例えば、経験的には、バッチサイズの調整や、学習率の減衰といった手法が用いられます。自動調整アルゴリズムには、Adaptive Moment Estimation（Adam）やAdagradなどがあります。これらのアルゴリズムは、目標勾配を自動的に調整することで、より効率的な学習を実現することができます。
