梯度下降法求极小值
来源:互联网 发布:大数据质量标准 编辑:程序博客网 时间:2024/05/19 23:24
本文旨在将自己学习“梯度下降法”过程中的问题进行整理。
背景
对于给定多元函数f(x1,x2,x3,…,xn),求其在某点P(x,y)处的极值。什么是梯度?
(1)方向导数的定义
设二元函数 z = f(x,y) 在点P(x,y)的某一个领域U(P)内有定义,自点P引射线l,设x轴正向到射线l的转角为��,设P’(x+∆x,y+∆y)为l上的另一点,且P’∈U(P),,考虑∣∣PP′∣∣=ρ=(Δx)2+(Δy)2‾‾‾‾‾‾‾‾‾‾‾‾‾√,且Δz=f(x+Δx,y+Δy)−f(x,y) ,当P’沿着l趋于P时,Δzρ 如果存在,则称这个极限为函数f(x,y)在点P沿着l方向的方向导数,记为limρ−>0f(x+Δx,y+Δy)−f(x,y)ρ ∂f∂l=limρ−>0f(x+Δx,y+Δy)−f(x,y)ρ
(2)梯度的定义
设二元函数 z = f(x,y) 在平面区域D上具有一阶连续偏导数,则对每一个点P(x,y)都可以定义一个向量:(∂f∂x,∂f∂y)=fx(x,y)i+fy(x,y)j
这个向量就称为函数f(x,y)在P(x,y)点的梯度,记为gradf(x,y)或∇f(x,y)。其中,称为二维向量微分算子或Nabla算子。这个定义可以推广到三元函数。∇=∂∂xi+∂∂yj
(3)梯度的几何意义
梯度是一个向量,它的方向就是二元函数 z = f(x,y)在点P增长最快的方向,即方向导数取极大值的方向。梯度的模等于方向导数的最大值。
(4)梯度与二元函数 z = f(x,y)等高线的关系
二元函数 z = f(x,y)在点P的梯度方向,与点P处的函数等高线f(x,y)=c在这一点的法线方向一致,且从数值较低的等高线f(x,y)=c1,指向数值较高的等高线f(x,y)=c2,c1
阅读全文
0 0
- 梯度下降法求极小值
- 基于MATLAB和C#编程实现二元函数梯度下降法求极小值
- 梯度下降法,最小二乘法求线性回归
- 梯度下降法,最小二乘法求线性回归
- 梯度下降法,最小二乘法求线性回归
- 用梯度下降法求极大值-Matlab
- 梯度与向量与梯度下降法求极值
- 机器学习第二课:无约束优化问题(局部极小值的几种解法)(梯度下降法与拟牛顿法)
- 用共轭梯度法求函数极小值和最优解,其中用进退法求步长区间,用黄金分割法求最佳步长
- 牛顿法求极大极小值
- 梯度下降法求函数最小值 基于matlab实现
- 梯度下降法
- 梯度下降法
- 梯度下降法
- 梯度下降法
- 梯度下降法 简记
- 梯度下降法一
- 梯度下降法二
- RecyclerView的多部局应用
- 学习记录7
- Deformable Convolutional Networks论文翻译——中英文对照
- Ionic环境配置文档
- Ubuntu上用wget多线程下载大文件资源
- 梯度下降法求极小值
- device query 存档
- 微信域名防封技术,微信域名总是被封如何解决
- 2017-12-16杭电OJ2018 《母牛的故事》——这道题用了递归
- jmeter-maven-plugin
- 杨辉三角
- Deformable Convolutional Networks论文翻译——中文版
- 裕日面试题
- DFS(深度优先搜索树) 递归非递归实现