梯度下降法求极小值

本文详细介绍了梯度下降法的概念,包括方向导数、梯度的定义及几何意义,并探讨了梯度与多元函数等高线的关系,帮助读者理解如何利用梯度寻找函数的极值点。
摘要由CSDN通过智能技术生成

本文旨在将自己学习“梯度下降法”过程中的问题进行整理。

  1. 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。

  2. 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),

    PP=ρ=(Δx)2+(Δy)2
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值