跳到内容

顺着知识,继续探索

梯度

欧氏坐标中偏导数组成描述方向变化的梯度向量。

∇f=(∂1f,…,∂nf)\nabla f=(\partial_1 f,\ldots,\partial_n f)

探索概念图谱 · 探索关联视频

从不同角度理解

  • 方向导数

    Khan Academy · 英语 · 应用
    关联依据

    已审核中文素材 v1:card「梯度与点积形式」出现在 5:25——方向导数等于方向向量与梯度向量的点积,从而提供一种简洁的几何解释。

继续探索邻近知识点

  • 方向导数

    方向导数度量沿指定方向的局部变化率。

  • 梯度下降

    梯度下降沿梯度反方向迭代,收敛依赖步长及函数光滑性等条件。

  • 整数规划

    要求部分变量取整数或 0/10/1,用来表达是否选择、计数与排序决策。

  • 最优化

    导数帮助寻找极值候选点,还须检查端点、定义域限制以及局部极值与全局极值的区别。

  • 偏导数

    偏导数改变一个坐标,并保持其余坐标固定。

返回全部概念索引 →

知识联系

所在学习地图

学习地图

微积分

从一元函数出发,探索变化、累积与近似之间的联系。

学习地图

优化与运筹学

围绕目标与凸性、算法与约束、离散决策与多目标理解概念与联系。先建立知识结构,视频讲解按审核情况逐步补充。

范围参考