梯度與方向導數
觀念
梯度 (gradient) 把所有偏導數打包成一個向量。它有兩個重要性質:指向函數上升最快的方向,長度等於最大上升率;並且垂直於等高線。
沿單位向量 的方向導數 (directional derivative) 是 ——所以 (沿梯度)最大、(沿等高線)為 0。方向向量一定要先化成單位長。
算例: 在 ,;沿 的方向導數 ;最大上升率 。
梯度下降法 (gradient descent) 就是沿 走;它是訓練神經網路的核心演算法。
例題
設 ,求梯度 (gradient) ,填有序組。
看解法與答案
梯度是兩個偏導數排成的向量:。
先求偏導數:、。
代 :,,所以 。
答案:
用在哪裡
- 投資投資組合風險對各檔權重的梯度就是邊際風險貢獻,指出加碼哪一檔會讓整體波動升得最快。
- AI訓練神經網路時梯度指向損失上升最快的方向,每一步沿反方向更新,更新量是學習率 0.001 乘上梯度。
- 地理等高線地圖上水往負梯度方向流,等高線越密,梯度越大、坡越陡。
插畫


學習路徑
先學會
學完可以接著學
- Lagrange 乘數 大二
- 線積分 大二
互動練習在本機版
這個網站是觀念與例題的閱讀版。互動練習(每次出不同數字的新題、自動判對錯、錯題本、熟練度與複習排程)在「數學學院」本機版,目前還沒對外開放。