Richard 外推法求梯度

richard外推法求梯度。一般h=10^-3。

下面给个例子，

f(x1,x2)=100(x2-x1^2)^2+(1-x1)^2，求x0=(1,0.5)的梯度。

如下为R代码

df <- function(x1,x2,...)
{

h= 0.001
f(x1,x2)
dfx1 <- (8*(f(x1+h,x2)-f(x1-h,x2))-f(x1+2*h,x2)+f(x1-2*h,x2))/(12*h)
dfx2 <- (8*(f(x1,x2+h)-f(x1,x2-h))-f(x1,x2+2*h)+f(x1,x2-2*h))/(12*h)
return(list(dfx1,dfx2))
}
f <- function(x1,x2)
{
value <- 100*(x2-x1^2)^2+(1-x1)^2
return(value)
}

执行结果为：
df(1,0.5)

df(1,0.5)
[[1]]
[1] 200

[[2]]
[1] -100

Richard 外推法求梯度相关推荐

PyTorch入门学习（二）：Autogard之自动求梯度
autograd包是PyTorch中神经网络的核心部分,简单学习一下. autograd提供了所有张量操作的自动求微分功能. 它的灵活性体现在可以通过代码的运行来决定反向传播的过程, 这样就使得每一次 ...
ML之ME/LF：机器学习中常见模型评估指标/损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略
ML之ME/LF:机器学习中常见模型评估指标/损失函数(LiR损失.L1损失.L2损失.Logistic损失)求梯度/求导.案例应用之详细攻略目录常见损失函数求梯度案例 1.线性回归求梯度 2.L ...
《动手学深度学习 PyTorch版》学习笔记（二）：自动求梯度
一.自动求梯度 1.requires_grad_(), detach(), torch.no_grad()的区别参考博客:https://www.jianshu.com/p/ff74ccae25f3 ...
《动手学深度学习》第二天（自动求梯度）
2.3.自动求梯度 MXNet提供的autograd模块可以用来自动求梯度. 2.3.1 一个简单的栗子这里我们要求对函数 y = 2xTx (2乘以x的转秩乘以X)求关于列向量 x 的梯度.(使用 ...
pytorch自动求梯度—详解
构建深度学习模型的基本流程就是:搭建计算图,求得损失函数,然后计算损失函数对模型参数的导数,再利用梯度下降法等方法来更新参数.搭建计算图的过程,称为"正向传播",这个是需要我们自己 ...
pytorch学习笔记（二）：自动求梯度
文章目录前言 1 概念 2 Tensor 3 梯度前言在深度学习中,我们经常需要对函数求梯度(gradient).PyTorch提供的autograd包能够根据输入和前向传播过程自动构建计算图, ...
数值积分方法之2——梯形法与外推法求近似积分
数值积分方法之2--梯形法与外推法求近似积分说明要求 Matlab实现运行结果梯形法与外推法对比说明 Matlab的版本为Matlab R2019b:这篇笔记的全部内容是基于上课时老师布置的 ...
matlab外推法求区间
%外推法求区间 clc clear f=@(x)4*x^2-5*x+10; x1=0; h0=0.1; h=h0; y1=feval(f,x1); x2=x1+h; y2=feval(f,x2); i ...
divgrad怎么求_[怎样理解圆柱坐标系和球坐标系求梯度.散度]球坐标系梯度如何求...
怎样理解圆柱坐标系和球坐标系求梯度.散度.旋度公式记住公式好办你先记住哈密顿算子▽ 他表示一个矢量算子(注意): ▽≡i*d/dx+j*d/dy+k*d/dz 运算规则: 一.▽A=(i*d/dx ...

Richard 外推法求梯度

Richard 外推法求梯度相关推荐

最新文章

热门文章