f**********d 发帖数: 4960 | 1 f(x,y)求极值
x,y都是scalar那当然好说
fxx fyy-fxy fxy是jacobian行列式为正时有极值
现在问题是如果y是一个矩阵 如何判定? |
d*****u 发帖数: 17243 | 2 原理是一样的吧。
x, y都是scalar的话,你这个实际上已经是对二维向量求导了。
如果y是矩阵,可以展开成nx1的向量计算,
不影响结果。
【在 f**********d 的大作中提到】 : f(x,y)求极值 : x,y都是scalar那当然好说 : fxx fyy-fxy fxy是jacobian行列式为正时有极值 : 现在问题是如果y是一个矩阵 如何判定?
|
d**s 发帖数: 4741 | |
s***h 发帖数: 487 | |
n***y 发帖数: 2730 | 5 那不就是个n维极值么,你把变量排一方块儿和排成一顺儿没差别。看Hesssian Matrix
, 正定是极小,负定极大,其他为鞍面或degenerated cases. 另外那个矩阵不叫
Jacobian矩阵,教Hessian矩阵。 Jacobian矩阵不是干这使的。 |
d*****u 发帖数: 17243 | 6 Hessian是二次导数了,可以用来判定极大或极小,但不能用来求极值本身。求极值还
是要用Jacobian
Matrix
【在 n***y 的大作中提到】 : 那不就是个n维极值么,你把变量排一方块儿和排成一顺儿没差别。看Hesssian Matrix : , 正定是极小,负定极大,其他为鞍面或degenerated cases. 另外那个矩阵不叫 : Jacobian矩阵,教Hessian矩阵。 Jacobian矩阵不是干这使的。
|
s***h 发帖数: 487 | 7 老邢这网站回帖的经常是乱码 。。。 不过免费的就算了 。。。 当然军版讨论数学是
图个啥 。。。 |
m**********e 发帖数: 12525 | 8 你懂个屁
楼主这种情况,涉及全局极值和局域极值
至于全局极值,涉及函数ergodicity
没那么简单
Matrix
【在 n***y 的大作中提到】 : 那不就是个n维极值么,你把变量排一方块儿和排成一顺儿没差别。看Hesssian Matrix : , 正定是极小,负定极大,其他为鞍面或degenerated cases. 另外那个矩阵不叫 : Jacobian矩阵,教Hessian矩阵。 Jacobian矩阵不是干这使的。
|
d**s 发帖数: 4741 | 9 jacobian换元才用
【在 d*****u 的大作中提到】 : Hessian是二次导数了,可以用来判定极大或极小,但不能用来求极值本身。求极值还 : 是要用Jacobian : : Matrix
|
s***h 发帖数: 487 | 10 你们走火入魔了 。。。
: 你懂个屁
: 楼主这种情况,涉及全局极值和局域极值
: 至于全局极值,涉及函数ergodicity
: 没那么简单
: Matrix
【在 m**********e 的大作中提到】 : 你懂个屁 : 楼主这种情况,涉及全局极值和局域极值 : 至于全局极值,涉及函数ergodicity : 没那么简单 : : Matrix
|
|
|
m**********e 发帖数: 12525 | 11 这智商
jacobian就是切空间性质,知道了jacobian就知道了局域极值
【在 d**s 的大作中提到】 : jacobian换元才用
|
m**********e 发帖数: 12525 | 12 走什么魔
多元函数全局极值,解析上毫无通用办法,数值上一般假定ergodicity后用mont carlo
模拟退火,或遗传算法,等等。。多如牛毛
【在 s***h 的大作中提到】 : 你们走火入魔了 。。。 : : : 你懂个屁 : : 楼主这种情况,涉及全局极值和局域极值 : : 至于全局极值,涉及函数ergodicity : : 没那么简单 : : Matrix :
|
d**s 发帖数: 4741 | 13 废话 谁不知道要先求一阶导
【在 m**********e 的大作中提到】 : 这智商 : jacobian就是切空间性质,知道了jacobian就知道了局域极值
|
s***h 发帖数: 487 | 14 这些主要是纯数纯物理有用。工业界都不太用,除非没有其他的办法。
好处是对任何函数(满足一定属性)都使用。
但工业界很少解“任何函数”问题。基本上都是 application specific 算法。
: 走什么魔
: 多元函数全局极值,解析上毫无通用办法,数值上一般假定ergodicity后用mont
carlo
: 模拟退火,或遗传算法,等等。。多如牛毛
【在 m**********e 的大作中提到】 : 走什么魔 : 多元函数全局极值,解析上毫无通用办法,数值上一般假定ergodicity后用mont carlo : 模拟退火,或遗传算法,等等。。多如牛毛
|
n***y 发帖数: 2730 | 15 你丫就扯淡吧。你知道ergodic的定义是什么吗?ergodicity, weak mixing, strong
mixing有什么差别?
【在 m**********e 的大作中提到】 : 你懂个屁 : 楼主这种情况,涉及全局极值和局域极值 : 至于全局极值,涉及函数ergodicity : 没那么简单 : : Matrix
|
n***y 发帖数: 2730 | 16 另外你举个ergodic不mixing得例子?傻逼!你爷爷得dissertation就是ergodic
theory
carlo
【在 m**********e 的大作中提到】 : 走什么魔 : 多元函数全局极值,解析上毫无通用办法,数值上一般假定ergodicity后用mont carlo : 模拟退火,或遗传算法,等等。。多如牛毛
|
s***h 发帖数: 487 | 17 你们玩的太深奥 。。。 俺最近比较忙,缺乏体力 。。。
: 另外你举个ergodic不mixing得例子?傻逼!你爷爷得dissertation就是ergodic
: theory
: carlo
【在 n***y 的大作中提到】 : 另外你举个ergodic不mixing得例子?傻逼!你爷爷得dissertation就是ergodic : theory : : carlo
|
n***y 发帖数: 2730 | 18 别听他瞎扯,不着边际。
ergodic
【在 s***h 的大作中提到】 : 你们玩的太深奥 。。。 俺最近比较忙,缺乏体力 。。。 : : : 另外你举个ergodic不mixing得例子?傻逼!你爷爷得dissertation就是ergodic : : theory : : carlo :
|
s***h 发帖数: 487 | 19 其实这是个哲学问题,也就是工业界求可行解,到底是用逻辑严密干净的解决方案,还
是 come on whatever works 就上 。。。更上一层次,人工智能的智力,本身也可能
就是不那么逻辑严密干净的 。。。 忘了那个讨论相关学术名词了 。。。
: 别听他瞎扯,不着边际。
: ergodic
【在 n***y 的大作中提到】 : 别听他瞎扯,不着边际。 : : ergodic
|
s***h 发帖数: 487 | 20 应该是 meta heuristics 领域的哲学问题 。。。
: 其实这是个哲学问题,也就是工业界求可行解,到底是用逻辑严密干净的解决方
案,还
: 是 come on whatever works 就上 。。。更上一层次,人工智能的智力,本身
也可能
: 就是不那么逻辑严密干净的 。。。 忘了那个讨论相关学术名词了 。。。
【在 s***h 的大作中提到】 : 其实这是个哲学问题,也就是工业界求可行解,到底是用逻辑严密干净的解决方案,还 : 是 come on whatever works 就上 。。。更上一层次,人工智能的智力,本身也可能 : 就是不那么逻辑严密干净的 。。。 忘了那个讨论相关学术名词了 。。。 : : : 别听他瞎扯,不着边际。 : : ergodic :
|
|
|
s***h 发帖数: 487 | 21 查了一下,坑爹术语没查出来,忘了。算了不找了。
: 应该是 meta heuristics 领域的哲学问题 。。。
: 案,还
: 也可能
【在 s***h 的大作中提到】 : 应该是 meta heuristics 领域的哲学问题 。。。 : : : 其实这是个哲学问题,也就是工业界求可行解,到底是用逻辑严密干净的解决方 : 案,还 : : 是 come on whatever works 就上 。。。更上一层次,人工智能的智力,本身 : 也可能 : : 就是不那么逻辑严密干净的 。。。 忘了那个讨论相关学术名词了 。。。 :
|
h*****0 发帖数: 1 | |
f**********d 发帖数: 4960 | 23 笔误了,是Hessian matrix。
不过你没说出我问题的答案,应该是找Hessian matrix's determinant, which is a
matrix here, is positive semidefinite or not. If it is then there is an
extremity.
Matrix
【在 n***y 的大作中提到】 : 那不就是个n维极值么,你把变量排一方块儿和排成一顺儿没差别。看Hesssian Matrix : , 正定是极小,负定极大,其他为鞍面或degenerated cases. 另外那个矩阵不叫 : Jacobian矩阵,教Hessian矩阵。 Jacobian矩阵不是干这使的。
|
s***h 发帖数: 487 | 24 Hessian matrix positive definite 说明是 convex function,只有一个极致。
但 Nonconvex function 也可以有极致,还可以很多。
: 笔误了,是Hessian matrix。
: 不过你没说出我问题的答案,应该是找Hessian matrix's determinant, which
is a
: matrix here, is positive semidefinite or not. If it is then there is
an
: extremity.
: Matrix
【在 f**********d 的大作中提到】 : 笔误了,是Hessian matrix。 : 不过你没说出我问题的答案,应该是找Hessian matrix's determinant, which is a : matrix here, is positive semidefinite or not. If it is then there is an : extremity. : : Matrix
|
s***h 发帖数: 487 | 25 Nonconvex function 可以有极致,也可以没有,俗话说:inconclusive 。。。 如果
没有记错
: Hessian matrix positive definite 说明是 convex function,只有一个极致。
: 但 Nonconvex function 也可以有极致,还可以很多。
: is a
: an
【在 s***h 的大作中提到】 : Hessian matrix positive definite 说明是 convex function,只有一个极致。 : 但 Nonconvex function 也可以有极致,还可以很多。 : : : 笔误了,是Hessian matrix。 : : 不过你没说出我问题的答案,应该是找Hessian matrix's determinant, which : is a : : matrix here, is positive semidefinite or not. If it is then there is : an : : extremity. : : Matrix
|
s***h 发帖数: 487 | 26 不过人生的乐趣在于 explore new things 。。。 Linear algebra 都是已经被古人类
嚼烂大街的 。。。 够用就行,不够用的 Google 之 。。。
: Nonconvex function 可以有极致,也可以没有,俗话说:inconclusive 。。。
如果
: 没有记错
【在 s***h 的大作中提到】 : Nonconvex function 可以有极致,也可以没有,俗话说:inconclusive 。。。 如果 : 没有记错 : : : Hessian matrix positive definite 说明是 convex function,只有一个极致。 : : 但 Nonconvex function 也可以有极致,还可以很多。 : : is a : : an :
|
f**********d 发帖数: 4960 | 27 你弄错了,梯度为0,hessian不正定是鞍点,说明此驻点不是极值点。
hessian矩阵是对应一维函数时在驻点的二阶导数的*绝对值*,所以hessian正定包括
convex和concave两种情况。
which
【在 s***h 的大作中提到】 : Hessian matrix positive definite 说明是 convex function,只有一个极致。 : 但 Nonconvex function 也可以有极致,还可以很多。 : : : 笔误了,是Hessian matrix。 : : 不过你没说出我问题的答案,应该是找Hessian matrix's determinant, which : is a : : matrix here, is positive semidefinite or not. If it is then there is : an : : extremity. : : Matrix
|
s***h 发帖数: 487 | 28 Optimization theory 里把 convex 和 concave 都笼统叫 convex,因为 concave 给
upside down 翻过来还是男上女下 convex,trivial difference。
既不是 convex 也不是 concave 叫 nonconvex 。
如果我没有记错。
: 你弄错了,梯度为0,hessian不正定是鞍点,说明此驻点不是极值点。
: hessian矩阵是对应一维函数时在驻点的二阶导数的*绝对值*,所以hessian正定
包括
: convex和concave两种情况。
: which
【在 f**********d 的大作中提到】 : 你弄错了,梯度为0,hessian不正定是鞍点,说明此驻点不是极值点。 : hessian矩阵是对应一维函数时在驻点的二阶导数的*绝对值*,所以hessian正定包括 : convex和concave两种情况。 : : which
|
f**********d 发帖数: 4960 | 29 okay,这个我知道。
但是hessian不正定,那是鞍点,无极值。
给
【在 s***h 的大作中提到】 : Optimization theory 里把 convex 和 concave 都笼统叫 convex,因为 concave 给 : upside down 翻过来还是男上女下 convex,trivial difference。 : 既不是 convex 也不是 concave 叫 nonconvex 。 : 如果我没有记错。 : : : 你弄错了,梯度为0,hessian不正定是鞍点,说明此驻点不是极值点。 : : hessian矩阵是对应一维函数时在驻点的二阶导数的*绝对值*,所以hessian正定 : 包括 : : convex和concave两种情况。 : : which
|
s***h 发帖数: 487 | 30 另外的分歧,你说的可能是对单个点而言,我说的是对一个区间或者整个函数域而言。
: 你弄错了,梯度为0,hessian不正定是鞍点,说明此驻点不是极值点。
: hessian矩阵是对应一维函数时在驻点的二阶导数的*绝对值*,所以hessian正定
包括
: convex和concave两种情况。
: which
【在 f**********d 的大作中提到】 : okay,这个我知道。 : 但是hessian不正定,那是鞍点,无极值。 : : 给
|
|
|
s***h 发帖数: 487 | 31 我们可能是单点跟区间的分歧 。。。 其实我都记不得了,以前为写程序时看过浅说
。。。 现在也不干那事了 。。。
: okay,这个我知道。
: 但是hessian不正定,那是鞍点,无极值。
: 给
【在 f**********d 的大作中提到】 : okay,这个我知道。 : 但是hessian不正定,那是鞍点,无极值。 : : 给
|
s***h 发帖数: 487 | 32 曾经有段时间为了写程序,突击了 linear algebra 。
但后来才知道上班大部分时间在搞 metaheuristics for application-specific input
problem/function/data set 。。。 也就是这世上没多少完美而单纯的村姑,人生的
乐趣在于如何啪啪外表清纯内心风骚的系花,如何啪系花啪得投其所好 。。。
: 我们可能是单点跟区间的分歧 。。。 其实我都记不得了,以前为写程序时看过
浅说
: 。。。 现在也不干那事了 。。。
【在 s***h 的大作中提到】 : 我们可能是单点跟区间的分歧 。。。 其实我都记不得了,以前为写程序时看过浅说 : 。。。 现在也不干那事了 。。。 : : : okay,这个我知道。 : : 但是hessian不正定,那是鞍点,无极值。 : : 给 :
|
m**********e 发帖数: 12525 | 33 这些人根本没从事过相关工作,仅夏季吧说
一个多维函数,就像一座山,可以有复杂的地形,可以有local min, local max,
global min,global max,
如果你需要寻找global min/max,光靠切空间的稳定性理论是无法达到目标的,因为你
不知道
什么地方还有个min或者max
所以目前都是用数值方法,最常用的是用monte carlo进行退火,当然沿用了物理学中
的假定,
退火足够缓慢终归能将物质置于最低能级稳定态,这是最常用也是最可靠的办法
但是这些数值方法都是假定ergodicity后得到的,特别是函数复杂,计算规模巨大的情
况下,
真的是不是符合ergodicity,谁都不知道
which
【在 s***h 的大作中提到】 : Hessian matrix positive definite 说明是 convex function,只有一个极致。 : 但 Nonconvex function 也可以有极致,还可以很多。 : : : 笔误了,是Hessian matrix。 : : 不过你没说出我问题的答案,应该是找Hessian matrix's determinant, which : is a : : matrix here, is positive semidefinite or not. If it is then there is : an : : extremity. : : Matrix
|