一、导数
1、导数的公式及几何意义
(1)
(2)几何意义为当函数定义域和取值都在实数域中的时候,导数还可以表示函数曲线上的切线斜率。同时还表示在该点的变化率。
(3)在一元函数中只有一个自变量的变动,表示只存在一个方向的变化率,此时一元函数没有偏导数
2、偏导数
(1)若为偏导数则必须涉及两个或者以上的向量,此文以两个自变量为例,z = f(x,y),此时则不再曲线,而表示的是曲面。曲线中我们的切线则只有一条,但是在曲面中某一点则有无数条切线。
(2)偏导数表示多元函数沿着座标轴的变化率
- 表示函数在y的方向不变,函数值沿着x轴方向的变化率
- 表示函数在x的方向不变,函数值沿着y轴方向的变化率
(3)偏导数对应的几何意义:
- 偏导数表示的是曲平面被平面y=所截得得曲面在点处的切线对x轴的斜率
- 偏导数表示的是曲平面被平面x=所截得得曲面在点处的切线对y轴的斜率
3、方向导数
(1)介于偏导数的局限性,因为它指的是多元函数沿着座标轴的变化率(某一个已知方向),但是我们需要考虑的是多元函数沿着任意方向的变化率,因此引出了方向导数。
(2)方向导数,它是一个数,是一个在某个方向上的导数,用来简单解释,我们一般默认的某个点切线的斜率,即为该点沿着X轴正半轴的导数。因为在这种多元变量的情况下,可能每一个点在360度方向上均有方向(某些方向可能导数不存在),也就是在多个方向上都有导数。
!
(3)在下山的问题中我们需要找到最陡峭的方向(梯度最大),才可以让我们下山越快。
(4)假设山坡的表示为,我们可以通过x,y方向的偏微分分别得出x,y方向的斜率,此时x,y方向的斜率相当于一个平面中的两个基向量,可以用来表示任何方向的斜率。
二、梯度(矢量)
1、方向导数可以理解为任何一个方向的导数
2、如果有多个方向,我们如何判断哪个方向上的导数是最大的呢?这个方向就是梯度,它是一个矢量,在梯度方向上的导数就是最大的方向导数。
3、设函数在平面区域D内具有一阶连续偏导数,则对每一点,都可以定出一个向量(矢量表示法)称为在P点处的梯度,记作。
(1)具有一阶连续偏导数,意味着可微。可微意味着函数在各个方向的切线都在同一个平面上,也就是切平面。
(2)所有的切线都在一个平面上,某一点一定有且只有一个(梯度为0的情况除外,可以自己想想为什么?)最陡峭的地方(因为方向导数是切线的斜率,方向导数最大也就意味着最陡峭)。
4、方向导数和梯度的关系
(1)定义方向导数为
则称这个极限值是沿着方向的方向导数,那么随着的不同,我们可以求出任意方向的方向导数
为一个单位向量,θ不同则方向也不同
(2)、利用偏微分进行方向导数的简化
,
因此我们可以得出
(3)那么此时如果要取得最大值,也就是当为α为0度的时候,也就是向量I(这个方向是一直在变,在寻找一个函数变化最快的方向)与向量(这个方向当点固定下来的时候,它就是固定的)平行的时候,方向导数最大。
三、神经网络
四、BP(逆传播算法)
本文参考以下内容
[方向导数和梯度的关系](https://www.zhihu.com/question/36301367)
[强推的一个学习导数和梯度](https://www.matongxue.com/madocs/222/)
[有关DP的讲解](https://blog.csdn.net/u014303046/article/details/78200010#comments)
[有关DP的讲解](https://www.sohu.com/a/235924191_633698)