Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
2019_G検定対策_数学講座03_微分/20190125_JDLA_G_Math_3
Search
ITO Akihiro
January 25, 2019
Technology
0
14
2019_G検定対策_数学講座03_微分/20190125_JDLA_G_Math_3
G検定対策社内数学講座
--
微分
関数の"ある点"における傾きを求める
ITO Akihiro
January 25, 2019
Tweet
Share
More Decks by ITO Akihiro
See All by ITO Akihiro
【NoMapsTECH 2025】AI Edge Computing Workshop
akit37
0
530
【NoMapsTECH 2025】AI Tech Community Talk
akit37
0
240
エンジニア目線でのテスラ
akit37
0
52
「重鎮問題」について(軽めに)
akit37
0
65
Software + Hardware = Fun++
akit37
0
30
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
1
23
3つの先端技術が コミュニティ軸で融合した話。/20230615_CMCMeetup
akit37
0
19
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
25
始まりは2017年のG検定。/20221026_AITable
akit37
0
19
Other Decks in Technology
See All in Technology
『バイトル』CTOが語る! AIネイティブ世代と切り拓くモノづくり組織
dip_tech
PRO
1
120
AIツールでどこまでデザインを忠実に実装できるのか
oikon48
6
3.3k
速習AGENTS.md:5分で精度を上げる "3ブロック" テンプレ
ismk
6
1.1k
Performance Insights 廃止から Database Insights 利用へ/transition-from-performance-insights-to-database-insights
emiki
0
240
ComposeではないコードをCompose化する case ビズリーチ / DroidKaigi 2025 koyasai
visional_engineering_and_design
0
110
Simplifying Cloud Native app testing across environments with Dapr and Microcks
salaboy
0
140
能登半島地震で見えた災害対応の課題と組織変革の重要性
ditccsugii
0
650
ユーザーの声とAI検証で進める、プロダクトディスカバリー
sansantech
PRO
1
130
なぜAWSを活かしきれないのか?技術と組織への処方箋
nrinetcom
PRO
4
800
綺麗なデータマートをつくろう_データ整備を前向きに考える会 / Let's create clean data mart
brainpadpr
3
440
成長自己責任時代のあるきかた/How to navigate the era of personal responsibility for growth
kwappa
4
320
後進育成のしくじり〜任せるスキルとリーダーシップの両立〜
matsu0228
7
3.3k
Featured
See All Featured
How to Ace a Technical Interview
jacobian
280
24k
Why Our Code Smells
bkeepers
PRO
339
57k
A Tale of Four Properties
chriscoyier
161
23k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.5k
Automating Front-end Workflow
addyosmani
1371
200k
Building Applications with DynamoDB
mza
96
6.7k
Visualization
eitanlees
149
16k
A designer walks into a library…
pauljervisheath
209
24k
It's Worth the Effort
3n
187
28k
Git: the NoSQL Database
bkeepers
PRO
431
66k
Bash Introduction
62gerente
615
210k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
657
61k
Transcript
微分 〜関数の”ある点”における傾きを求める〜 Jun. 2019 created by ITO Akihiro
まずは、最小二乗法 y x y x
y x すべての点からの距離が最短(=誤差が最小)となる直線 単純に距離の和をとると +/-で相殺されてしまうので二乗和をとる ⇒ 最小二乗法 y x L1 L2 L3
L4 L5 L7 L6 L8 L9 L10
x f(x) ❓ y x 微分
a a+h h f(a+h) f(a) y x
a a+h h f(a+h) f(a) y x
h f(x+h) f(x) x x+h y x
None
None
偏微分 y x z 現実世界での誤差関数は複雑だが、二次元に落 として考えればシンプルに計算できる。 例えば、三次元の関数なら、グラフをある面で切っ て、真横や真上から見れば、二次元の関数にな る。これに対して微分すればよい。 つまり、特定のどれか1つの変数だけに着目して
微分する。 これが、偏微分。
None
None
局所解と最適解 y x w local 局所解 w optimal 最適解 最適解を見つけるには基本的に
勾配降下法を使うが、 局所解に嵌まり込んでしまい、 最適解に辿り着けなくなる場合がある。 このリスクを少なくするために、 確率的勾配降下法 (SGD:Stochastic Gradient Descent) 等を用いる。