方向导数与梯度(二维)

简介: 方向导数与梯度(二维)

正文


方向导数:

定义:函数沿某一指定方向的变化率

定理:如果函数f(x,y)在点P0(x0,y0)P)可微分,那么函数在该点沿任一方向l的方向导数都存在,且方向导数:

00.png

梯度:

定义:函数在区域内某一点的具有方向的全微分

设函数f(x,y)在区域DD内具有一阶连续偏导数,则对于区域D内的任一点P0(x0,y0),有梯度:


0.png

其中

000.png

称为 向量微分算子/Nabla算子

与方向导数相联系,可得:

4.png


由上述联系可得:

θ=0elf(x0,y0)时,函数f(x,y)增长最快,此时函数在这个方向的方向导数达到最大值,5.png

θ=0elf(x0,y0)相反时,函数f(x,y)减少最快,此时函数在这个方向的方向导数达到最小值6.png

7.png函数f(x,y)变化率为零,此时函数在这个方向的方向导数为0,


梯度的运算法则:

3.png

相关文章
|
算法 定位技术 C++
基本算法-回溯法(迷宫问题)
基本算法-回溯法(迷宫问题)
1775 0
|
机器学习/深度学习 编解码 计算机视觉
一文读懂深度学习中的各种卷积 !!
一文读懂深度学习中的各种卷积 !!
590 0
|
机器学习/深度学习 人工智能 自然语言处理
【NLP】Datawhale-AI夏令营Day4打卡:预训练+微调范式
【NLP】Datawhale-AI夏令营Day4打卡:预训练+微调范式
|
云安全 人工智能 Cloud Native
科技向“实”万物生长,2023年云计算五大技术趋势展望
云计算也即将开启下一个十年的全新篇章
5102 0
科技向“实”万物生长,2023年云计算五大技术趋势展望
|
Python 机器学习/深度学习
Cross Entropy Loss 交叉熵损失函数公式推导
表达式 输出标签表示为{0,1}时,损失函数表达式为: $L = -[y log \hat{y} + (1-y)log(1- \hat{y})]$ 二分类 二分类问题,假设 y∈{0,1} 正例:$P(y = 1| x) = \hat{y}$ 反例:$P(y=0|x) = 1-\hat{y}$ 取似然函数 似然函数就是所有样本在参数θ下发生概率最大的那种情况,由于样本独立同分布,因此概率最大的情况就是每个样本发生概率的连乘。
16592 0
|
9月前
|
消息中间件 存储 缓存
zk基础—1.一致性原理和算法
本文详细介绍了分布式系统的特点、理论及一致性算法。首先分析了分布式系统的五大特点:分布性、对等性、并发性、缺乏全局时钟和故障随时发生。接着探讨了分布式系统理论,包括CAP理论(一致性、可用性、分区容错性)和BASE理论(基本可用、软状态、最终一致性)。文中还深入讲解了两阶段提交(2PC)与三阶段提交(3PC)协议,以及Paxos算法的推导过程和核心思想,强调了其在ZooKeeper中的应用。最后简述了ZAB算法,指出其通过改编的两阶段提交协议确保节点间数据一致性,并在Leader故障时快速恢复服务。这些内容为理解分布式系统的设计与实现提供了全面的基础。
|
7月前
|
Ubuntu
Ubuntu系统重装:一步一步指南
本文介绍了如何重装Ubuntu系统,重装系统可以让电脑重新恢复到原始状态,从而解决电脑出现的各种问题,提高电脑的运行效率。重装系统的过程需要准备U盘,从官网下载Ubuntu系统,进入BIOS设置,根据提示进行安装,安装完成后重启电脑即可完成重装Ubuntu系统。
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】计算图原理
本文介绍了AI框架中使用计算图来抽象神经网络计算的必要性和优势,探讨了计算图的基本构成,包括标量、向量、矩阵、张量等数据结构及其操作,并详细解释了计算图如何帮助解决AI工程化中的挑战。此外,文章还通过PyTorch实例展示了动态计算图的特点和实现方法,包括节点(张量或函数)和边(依赖关系)的定义,以及如何通过自定义Function实现正向和反向传播逻辑。
691 7
【AI系统】计算图原理
|
存储 算法 计算机视觉
OpenCV(四十二):Harris角点检测
OpenCV(四十二):Harris角点检测
608 0
|
存储 算法
【树】数据结构——树和二叉树的概念&笔记
【树】数据结构——树和二叉树的概念&笔记

热门文章

最新文章