【无标题】

1. 梯度的计算通常涉及到求导数。在一元函数中，梯度就是函数的导数；在多元函数中，梯度是由所有偏导数组成的向量。

1. Fisher信息量可以理解为对参数不确定性的一种度量。当数据中包含关于参数的信息越多时，Fisher信息量越大，相应地，参数估计的方差就越小，估计也就越精确

1. Hesse矩阵（用于描述该函数在各个方向上曲率和凸凹性质）：对于一个n元连续可微函数f(x1, x2, …， xn)，其Hesse矩阵H(f)定义为由f的所有二阶偏导数组成的n×n矩阵。具体来说，矩阵中的元素H(f)ij表示函数f相对于变量xi和xj的二阶偏导数。如果函数f的Hesse矩阵在给定点正定，则在该点附近函数类似于一个凸函数，并且可以判断出该点是一个局部极小值点。相反，如果Hesse矩阵负定，则函数在该点类似于一个凹函数，并且该点是一个局部极大值点。如果Hesse矩阵的特征值有正有负，则该点可能是一个鞍点。