
Hi,大家好。我是茶桁。
上一节课,我们讲了方向导数,并且在最后留了个小尾巴,是什么呢?就是梯度。
我们再来回看一下但是的这个式子:
[fxfy][cosαcosβ] \begin{align*} \begin{bmatrix} f_x \quad f_y \end{bmatrix} \begin{bmatrix} cos \alpha \\ cos \beta \end{bmatrix} \end{align*}
本文探讨了微积分中的梯度和积分概念。梯度表示函数变化最快的方向,对于人工智能和神经网络中的梯度下降算法至关重要。文章通过等高线和二次函数的例子解释了梯度的含义,并指出在没有解析解的情况下,数值解如梯度下降成为求解复杂函数的必要手段。随后,文章引入积分,通过矩形面积近似求解未知图形的面积,展示了黎曼积分的基本思想,并通过实例解释了积分的计算方法。最后,预告了下节课将讨论的牛顿莱布尼兹公式。

Hi,大家好。我是茶桁。
上一节课,我们讲了方向导数,并且在最后留了个小尾巴,是什么呢?就是梯度。
我们再来回看一下但是的这个式子:
[fxfy][cosαcosβ] \begin{align*} \begin{bmatrix} f_x \quad f_y \end{bmatrix} \begin{bmatrix} cos \alpha \\ cos \beta \end{bmatrix} \end{align*}
667
1601
1529

被折叠的 条评论
为什么被折叠?