高级专题

本章把前面各章的结论串成更完整的理论,并延伸到实际优化问题。

黑塞矩阵与极值理论系统化地处理了高阶展开与临界点分类;隐函数定理说明:在一定条件下,方程确定的隐函数同样可微,这为隐式曲线与约束优化提供了理论基础;梯度下降法则是把这些理论真正用起来——它解释了步长选择、收敛速度,以及为什么会陷入局部极小而非全局最优。

如果你的目标是把这门课用到机器学习或优化问题上,本章是最值得反复回看的一节。

章节

发现内容有问题?

告诉我们哪里需要改进。