Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >知乎大佬们用的变分法有多复杂?

知乎大佬们用的变分法有多复杂?

作者头像
用户7506105
发布于 2021-08-09 07:25:14
发布于 2021-08-09 07:25:14
2.6K0
举报
文章被收录于专栏:碎片学习录碎片学习录

一直以来非常陌生但却被知乎在最优化神坛上奉为圭臬的一个方法就是变分法,也成为了一大批数学类专业学生分析解决问题的利器,下面我将用比较简单的话术来解释这个比较抽象又比较实用的方法,一步步推导至揭开它的神秘面纱

简介

变分法是研究泛函极值问题的一种经典数学方法(出现几个概念,后面说),可用于求解动态系统最优控制问题的最值求解

相关概念

泛函
泛函极值

可以理解为最值

泛函变分

极值与变分

总结

变分法是泛函极值的一个重要方法,也是自学数学类研究中的入门方法,它有非常好的性质,比如可以求设备运转的最大经济效益,最速下降曲线、最小旋转曲面等常规高等数学很难做到的问题。从它的推导过程其实可以看到都是紧扣定义,由未知走向已知,最后归结为求微分方程或微分方程组的问题,不得不说,这即是数学的巧妙和美妙之处,如果你看到这里,相信已经对变分法有了一个大致的认识(这也是笔者最喜欢的最优化算法中的一个非常基础的方法),一起加油吧,窥探数学寰宇!!!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-06-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 碎片学习录 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
多元函数微分法及其应用
平面点集 image.png image.png image.png image.png 多元函数 image.png image.png image.png 多元函数的极限 image.png im
李小白是一只喵
2020/04/23
7080
多元函数微分法及其应用
最优控制——变分法
1、一般的最优化问题要最小化的性能指标定义在数域上,而变分问题的性能指标(目标泛函)的定义域是函数的集合。
全栈程序员站长
2022/09/20
1.4K0
最优控制——变分法
变分法入门介绍
读完这篇博文你可以了解变分的基本概念,以及使用变分法求解最简泛函的极值。本文没有严密的数学证明,只是感性地对变分法做一个初步了解。
卡尔曼和玻尔兹曼谁曼
2019/01/22
3.5K0
变分法入门介绍
机器学习与深度学习中的数学知识点汇总
在机器学习与深度学习中需要大量使用数学知识,这是给很多初学带来困难的主要原因之一。此前SIGAI的公众号已经写过“学好机器学习需要哪些数学知识”的文章,由于时间仓促,还不够完整。今天重新整理了机器学习与深度学习中的主要知识点,做到精准覆盖,内容最小化,以减轻学习的负担同时又保证学习的效果。这些知识点是笔者长期摸索总结出来的,相信弄懂了这些数学知识,数学将不再成为你学好机器学习和深度学习的障碍。
SIGAI学习与实践平台
2019/09/11
1.3K0
机器学习与深度学习中的数学知识点汇总
纯粹的数学之美
当你爱上数学时,你可能愿意一辈子去研究它而不觉得厌烦,因为它的发展集成了无数人的贡献,自身是博大精深的,但输出却是简单的,简单到一个公式可以描述一个现象,一个方程可以解决一个问题,一片雪花的形成,一个
杨熹
2018/04/02
1.3K0
纯粹的数学之美
学好机器学习需要哪些数学知识?
“ 随机过程,实分析。机器学习往深里做肯定需要用这种,高级的数学语言去对问题进行描述。我本人对随机和实分析,其实目前也还只是略懂,很难说,真正的彻底掌握这两门十分强大的数学工具。”
SIGAI学习与实践平台
2018/08/07
1.6K0
学好机器学习需要哪些数学知识?
重磅干货 | 从连续的视角看机器学习
在经典数值分析的影响下,我们提出了一个连续的机器学习形式,将其作为变分法和微分积分方程中的一个问题。我们证明了传统的机器学习模型和算法,如随机特征模型、两层神经网络模型和残差神经网络模型,都可以表示成(以比例形式)对应连续形式的离散化的特例。我们还提供了从这种连续形式自然产生的新模型,例如基于流的随机特征模型,以及新算法,例如平滑粒子方法和谱方法。我们讨论了如何在这个框架下研究泛化误差和隐式正则化问题。
数据科学人工智能
2022/04/01
6280
数学建模的一些方法_对数学建模的认识
本人在大学时期 待了两年的数学建模社团,也参加过国赛,最近有些许感性,想以此纪念一下。
全栈程序员站长
2022/11/09
2.2K0
一位数学专业女生大学毕业前的感慨:不好意思,是我天真了
问自己永远有多远!!!! 已知X是非平方数,证明X开根号是无理数 TM这还需要证明 学完定与不定积分后
IT阅读排行榜
2018/08/15
4210
人工智能的数学基础 | AI基础
但“数学”二字所包含的内涵与外延太广,到底其中的哪些内容和当前的人工智能技术直接相关呢?
叶锦鲤
2020/02/13
3.1K0
人工智能的数学基础 | AI基础
使用自变分原理改进正则化核回归:通过变分法推导和推广Nadaraya-Watson估计
核回归技术是一组非参数方法,用于通过一组数据点拟合平滑的曲线。Nadaraya-Watson 估计就是这样一种方法。它通常是在自变量分布的核密度估计以及因变量和自变量联合分布的基础上,通过计算因变量的条件期望得到的。
deephub
2021/12/09
9910
使用自变分原理改进正则化核回归:通过变分法推导和推广Nadaraya-Watson估计
数学建模模型知识点总结
用户11315985
2024/10/16
1760
数学建模模型知识点总结
参变量变分原理(1)
求此泛函极值即为经典变分原理。另一方面,求极值也可看做是最优控制,即二次优化问题。经典变分原理只能解决一类简单的最优控制问题,因为它只能在无约束条件下是有效的。而实际上更多的是属于有约束的一类最优控制问题。对于力学中的一些问题,如弹塑性分析、接触问题分析等,经典变分法在处理这类问题时将会受到一定的限制,需要借助参变量变分原理,注意和广义变分原理的区别。
fem178
2024/01/29
2380
参变量变分原理(1)
仿真小白必须知道的!有限元法-它是什么?FEM和FEA解释
有限元方法(FEM)是一种数值技术,用于对任何给定的物理现象进行有限元分析(FEA)。
开物小编
2021/04/27
6.8K0
【源头活水】PDE遇见深度学习
“问渠那得清如许,为有源头活水来”,通过前沿领域知识的学习,从其他研究领域得到启发,对研究问题的本质有更清晰的认识和理解,是自我提高的不竭源泉。为此,我们特别精选论文阅读笔记,开辟“源头活水”专栏,帮助你广泛而深入的阅读科研文献,敬请关注。
马上科普尚尚
2021/01/14
2K0
【源头活水】PDE遇见深度学习
数学课可以学到什么
数学课是一个广泛而深入的学科领域,它涵盖了多种基本概念、原理和技能,这些对于日常生活、职业发展和更高级别的学术研究都至关重要。以下是在数学课上可以学到的一些主要内容:
jack.yang
2025/04/05
1290
最小余能原理
在弹性体域内满足平衡微分方程,在边界上满足应力边界条件的所有容许的应力状态中,真实的应力(即满足几何方程和位移边界条件的应力)必使总余能取极小值;反之,能使总余能取极值的应力一定是真实的应力。这就是最小余能原理( Principle of Minimum Complementary Potential Energy)。
fem178
2024/07/19
1700
最小余能原理
机器学习中的最优化算法总结
对于几乎所有机器学习算法,无论是有监督学习、无监督学习,还是强化学习,最后一般都归结为求解最优化问题。因此,最优化方法在机器学习算法的推导与实现中占据中心地位。在这篇文章中,SIGAI将对机器学习中所使用的优化算法做一个全面的总结,并理清它们直接的脉络关系,帮你从全局的高度来理解这一部分知识。
SIGAI学习与实践平台
2018/08/24
6.6K0
机器学习中的最优化算法总结
基于变分法的感知色彩校正
本文提出一种基于变分技术的图像感知色彩校正,提出了一个新的图像泛函,其最小值可以产生感知色彩增强后的图,这个变分公式使得局部对比度调整和数据的联系更灵活,展示了一个将梯度下降的数值实现运用到能量泛函和自动色彩增强(ACE)方程的模型。此外,欧拉-拉格朗日方程的数值近似将模型复杂度从\(O({N^2})\)减少到\(O(N\log (N))\)。
Natalia_ljq
2020/06/03
7840
基于变分法的感知色彩校正
数学有什么用处?看完后恍然大悟!
高等数学有什么用?很多人问过我这个问题。其实大多数人在问这个问题的时候,心里已经预设了否定的答案。确实,对于大多数人来说,已经发展到了连数字都基本很少用了的一些高等数学分支,是过于虚无飘渺了。但是实际上,今天我们的生活已经完全离不开数学。甚至可以这么说,没有高等数学的发展,就不会有今天的现代社会。
IT阅读排行榜
2018/08/15
1.2K0
相关推荐
多元函数微分法及其应用
更多 >
领券
💥开发者 MCP广场重磅上线!
精选全网热门MCP server,让你的AI更好用 🚀
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档