Peek Pit Saddle Ridge Ravine Flat 的定义

使用梯度 和Hessian矩阵定义。设Hessian矩阵的两个特征值为 r1,r2 ，其对应的单位特征向量为 w1 ,w2 ，并且假定|r1|>=|r2| 。由于Hessian矩阵是实的对称矩阵，则 w1 ,w2 正交，并且 w1,w2 方向的方向导数取得极大和极小。

Peek(峰点): 是一个在所有方向上都取得局部最大值的点，因此梯度为0，并且二阶导数在任何方向都小于零。也就是要满足以下条件：

grad(f)=0,r1<0,r2<0

Pit: 与peek相反，是一个在所有方向上都取得局部最小值的点，因此梯度为0，并且二阶导数在任何方向都大于零。也就是要满足以下条件：

grad(f)=0,r1>,r2>0

Saddle(鞍点): 是在一个方向取得局部最大值，而垂直方向取得局部最小值的点，因此梯度为0，并且两个方向上二阶导数异号。也就是要满足以下条件：

grad(f)=0,r1*r2<0

Ridge(脊): 在一个方向上有局部最大值，要求grad(f).w=0 ,可以是上升的，也可以是下降的，也可以是水平的。当是上升或者下降的时， grad(f)!=0，当是水平的时候， grad(f)=0，所以，就有如下三种情况：第一种情况下是水平的，但是要保证不是peek或者pit,所以，r1,r2 中必须有一个为零。第二和第三种情况不是水平的，可以是上升的，也可以下降。

       Ridge 满足下列条件之一

grad(f)!=0,r1<0,grad(f).r1=0

grad(f)!=0,r2<0,grad(f).r1=0

grad(f)=0,r1<0,r2=0

 

Ravine: 和Ridge正好相反，是在一个方向上有局部最小值，其满足下列条件之一

grad(f)!=0,r1>0,grad(f).r1=0

grad(f)!=0,r2>0,grad(f).r1=0

grad(f)=0,r1>0,r2=0

Flat:  平地，水平高度不发生变化的平面，故其一阶导数和二阶导数都为0

grad(f)=0,r1=0,r2=0