最優化 梯度 海塞矩陣


一、方向導數

lim t->0  f(x0+td)-f(x0)  /   t 存在

則該極限為f在x0處沿方向d的方向導數

 

記為

    ∂ f/∂ d

下降方向:

方向導數∂ f/∂ d <0 ,則d為f在x0處的下降方向

 

二、梯度

 對於向量x,若每個偏導數

  ∂ f/∂ x(i) 都存在

則列向量為f在x處的梯度

 

記號

▽f(x)

 

三、可微與梯度

 

可微則一定存在梯度

梯度存在不一定可微

 

定理

若f在x處可微,則 方向導數=梯度 的轉置*方向向量d

 

四、海塞矩陣

(Hessian Matrix),又譯作海森矩陣、海瑟矩陣、海塞矩陣等,是一個多元函數的二階偏導數構成的方陣,描述了函數的局部曲率。

 

海塞矩陣由目標函數  f在點x處的二階偏導數組成的  n×n階矩陣

 

當二階偏導連續,矩陣為對稱矩陣


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM