鞍点介绍

已于 2023-08-24 10:56:02 修改
阅读量1.1k 收藏 1
点赞数
文章标签： 学习
于 2023-08-24 10:52:24 首次发布
原文链接：https://zhuanlan.zhihu.com/p/33340316
版权

鞍点定义

一个不是局部最小值的驻点（一阶导数为0的点）称为鞍点。

直观上看：目标函数在该点上的梯度（一阶导数）值为 0， 但从改点出发的一个方向（x或y方向）是函数的极大值点，而在另一个方向（y或x方向）是函数的极小值点。

从公式来说就是

f(x,y^*) \leq f(x^*,y^*) \leq f(x^*,y)

鞍点充分条件 

判断鞍点的一个充分条件是：函数在一阶导数为零处（驻点）的黑塞矩阵为不定矩阵。

不定矩阵

半正定矩阵： 所有特征值为非负。

半负定矩阵：所有特征值为非正。

不定矩阵：特征值有正有负。

例子

下面对函数 z^2 = x^2-y^2 的驻点(0,0)判断是否为鞍点。函数图像如下

 该函数在驻点（0，0，0）处的 Hessian 矩阵形式为\begin{bmatrix} 2 & 0\\ 0 & -2 \end{bmatrix},容易解出特征值一个为2,一个为-2（有正有负），显然是不定矩阵，所以该点是鞍点

参考

【最优化】鞍点介绍 - 知乎 (zhihu.com)

JaxHur
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python求二维数组的鞍点_C语言程序，找出一个二维数组的鞍点。
weixin_39781945的博客
02-21 1697
什么是鞍点？？？？？鞍点就是在一个二维数组中，某一个数在该行中最大，然而其在该列中又是最小的数，这样的数称为鞍点。昨天突然在书上看到这样的一道题，就自己尝试着写了一个找出一个二维数组中的鞍点。好了，废话不多说，代码奉上。。。。。。。。。。。。/*这个程序检测的是一个二维数组中是否存在鞍点，所谓的鞍点即是在这个二维数组中，某一个位置上的元素在该行上最大，该列上最小*/#include#define ...
C语言鞍点问题
06-25
本文将详细介绍C语言鞍点问题的解决方案，该问题要求编写函数寻找n×m矩阵中的“鞍点”，鞍点位置的数具有这样的特点：该数是所在行的最小值，又是所在列的最大值，若找到，输出该数及所在的行标和列标，找不到输出-...
最优化中的鞍点
热门推荐
天天向上的专栏
11-06 2万+
在学习最优化课程时，不时听到“鞍点”这个名词。老师很快提了这个词，但没有详细介绍鞍点的含义。 鞍点 （saddle point）的数学含义是： 目标函数在此点上的梯度（一阶导数）值为 0， 但从该点出发的一个方向是函数的极大值点，而在另一个方向是函数的极小值点。 判断鞍点的一个充分条件是：函数在一阶导数为零处（驻点）的黑塞矩阵为不定矩阵。 半正定矩阵： 所有特征值为非负，或主子式...
c语言指针写鞍点,c语言——鞍点
weixin_42099530的博客
05-19 102
SQL中exists、not exists以及in、not in的区别和使用exists : 强调的是是否返回结果集,不要求知道返回什么, 比如: select name from student where sex = 'm' and mark exists(selec ...apache POI 导出excel相关方法apache POI 操作excel无比强大.同时有操作word和ppt...
c语言寻找矩形的鞍点,C语言之鞍点的查找
weixin_39986169的博客
05-22 582
鞍点(Saddle point)在微分方程中，沿着某一方向是稳定的，另一条方向是不稳定的奇点，叫做鞍点。在泛函中，既不是极大值点也不是极小值点的临界点，叫做鞍点。在矩阵中，一个数在所在行中是最大值，在所在列中是最小值，则被称为鞍点。在物理上要广泛一些，指在一个方向是极大值，另一个方向是极小值的点。接下来，我们直接上代码:#include#define M 4#define N 3int main(...
matlab矩阵鞍点,最大熵模型(matlab应用).ppt
weixin_36194553的博客
03-17 313
非线性规划中的对偶问题 拉格朗日函数： 于是： 因此，为了尽量大，p的选取必须保证 考虑： 只要令lambda(i)=负无穷大就行了 对偶问题与拉格朗日函数： 同时： 等价于： 而 可以证明，这里等号成立。不过证明比较复杂，是单独一篇论文了(见参考资料４) 对偶问题与拉格朗日函数： 至此，我们可以通过找min lambda L(p*,lambda)来找出合适的lambda了，这可以用各种近似方法(...
局部最优与鞍点问题
赵凯月的博客
06-26 6715
一、什么是局部最优与鞍点 初学深度学习，总是担心优化算法会困在极差的局部最优。本文介绍如何正确看待局部最优以及深度学习中的优化问题。 如上图，平面的高度就是损失函数。在图中似乎各处都分布着局部最优。梯度下降法或者某个算法可能困在一个局部最优中，而不会抵达全局最优。但是，问题的关键在于，低维特征（图示两维）让我们对局部最优产生误解。 事实上，如果你要创建一个神经网络，通常梯度为零的点并不是这个图中的局部最优点，实际上成本函数的零梯度点，通常是鞍点。 一个具有高维度空间的函数，如果梯度为0，那么在每个方向，
C语言找鞍点（详细讲解）
sgbscx的博客
10-18 1万+
找出二维数组中的鞍点（详细讲解）
c语言输出鞍点坐标,程序设计入门——C语言 第7周编程练习 2 鞍点（5分）（5分）...
weixin_39860636的博客
05-16 403
2鞍点(5分)题目内容：给定一个n*n矩阵A。矩阵A的鞍点是一个位置(i，j)，在该位置上的元素是第i行上的最大数，第j列上的最小数。一个矩阵A也可能没有鞍点。你的任务是找出A的鞍点。输入格式:输入的第1行是一个正整数n, (1<=n<=100)，然后有n行，每一行有n个整数，同一行上两个整数之间有一个或多个空格。输出格式：对输入的矩阵，如果找到鞍点，就输出其下标。下标为两个数字，第一...
优化算法中的鞍点与梯度下降
Machine Learning with Tutors
12-25 1万+
摘要：本文将讨论寻找凸路径（ convex path ）时可能会遇到的不同类型的临界点（ critical points），特别是基于梯度下降的简单启发式学习方法，在很多情形下会使你在多项式时间内陷入局部最小值（ local minimum ） 。 凸函数比较简单——它们通常只有一个局部最小值。非凸函数则更加复杂。在这篇文章中，我们将讨论不同类型的临界点（ critical points）
主要介绍了二维数组中鞍点的寻找 Java
06-27
主要介绍了二维数组中鞍点的寻找 Java，可以帮助一些Java的初学者进行了解
线性拓扑空间中向量值函数的广义鞍点理论 (2002年)
05-12
介绍了序线性拓扑空间中向量值函数的广义鞍点概念及广义鞍点存在的条件,给出了广义鞍点与普通鞍点,广义鞍点与向量极值问题的弱Pareto最优解之间的关系。
c语言几个重要算法代码
08-11
在IT领域，编程语言是构建软件的基础，而算法则是编程的灵魂。...以上就是对这些C语言算法的详细介绍，学习和掌握这些算法对于提升编程能力至关重要，无论是在学术研究还是在实际开发中都有广泛应用。
深度学习优化算法介绍汇总与对比分析.rar
09-10
在本资料"深度学习优化算法介绍汇总与对比分析"中，涵盖了多种优化算法的详细描述和对比分析，旨在帮助读者深入理解这些算法的运作机制，并在实际应用中做出合适的选择。 1. **梯度下降法**：这是最基础的优化算法...
AvaloniaUI的学习
最新发布
lishuangquan1987的博客
07-25 628
官方中文文档：https://docs.avaloniaui.net/zh-Hans/docs/welcome。
编程学习之路：从零到一的成长指南
KsuferNotes
07-22 466
在当今数字化时代，编程技能已经成为许多人职业发展的重要组成部分。不论你是已经在IT业从业多年的老手，还是刚刚起步的编程新手，这篇博客将带你走过编程学习的每一个重要阶段，从而顺利完成从零到一的华丽转变。
FastAPI（七十一）实战开发《在线课程学习系统》接口开发-- 查看留言
mr~li的博客
07-24 268
梳理后发现，之前在接口设计的时候，有些欠缺，查看留言，是查看单个的留言，查看留言后，对应的留言变成已读状态。那么我们这个都需要传递一个参数，这个参数应该是留言的id。之前FastAPI（七十）实战开发《在线课程学习系统》接口开发--留言功能开发分享了留言开发，这次我们分享查看留言。在之前设计返回状态码的时候，发现状态码有缺失，我们增加下缺失的。3.判断是否是当前用户的留言，或者接受的方是自己。梳理这里的逻辑，这个接口要依赖登录。5.如果已读且回复了，要带回复的内容。以上则是实现查看留言的接口逻辑。
学习华为IPD流程黑话2.0
产品线负责人
07-23 536
管道管理是指根据资源需求（管道需求）尽早地对可获得性资源（管道供给）进行平衡，任何企业做研发、做产品，它的可用资源都是有限的，可以把企业的资源比喻成管道。既是对产品包进行验证，也是内部技能传递的重要环节，同时能为客户带来价值。这个时候就只需要对切片的概念做一下了解就应该可以直接应用了。而且主要做的是 C 语言，Python 也确实没具体用过。并保证在任意时刻产出的研发价值（即出口流量）的最大化，好了，这个话题就不展开来讲了，后续可以单独展开聊聊。评审的对象是新产品的业务计划，而不是产品的开发计划。
简单介绍下这些模型的优缺点
05-30
1. 分布式无约束优化模型的优缺点： 优点： - 可以实现大规模优化，加速收敛速度； - 可以应用于多个计算节点之间的数据共享和通信。 缺点： - 对于每个计算节点，需要传输梯度信息给中心节点，网络通信开销较大； - 不适用于非凸优化问题； - 可能会存在收敛到局部最优解的问题。 2. 分布式有约束优化模型的优缺点： 优点： - 可以处理带有复杂约束条件的优化问题； - 可以实现大规模优化，加速收敛速度； - 可以应用于多个计算节点之间的数据共享和通信。 缺点： - 对于每个计算节点，需要传输梯度信息给中心节点，网络通信开销较大； - 需要考虑约束条件的可行性，增加了计算复杂度； - 可能会存在收敛到局部最优解的问题。 3. 分布式鞍点问题优化模型的优缺点： 优点： - 可以处理带有约束的优化问题； - 可以实现大规模优化，加速收敛速度； - 可以应用于多个计算节点之间的数据共享和通信。 缺点： - 对于每个计算节点，需要传输梯度信息和对偶信息给中心节点，网络通信开销较大； - 需要考虑对偶问题的可行性，增加了计算复杂度； - 可能会存在收敛到局部最优解的问题。 总体来说，分布式优化模型可以处理大规模数据的优化问题，但是需要考虑网络通信开销和收敛性等问题。不同的模型适用于不同类型的优化问题，需要根据具体情况进行选择。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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