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
4
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
Software + Hardware = Fun++
akit37
0
2
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
0
7
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
4
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
8
始まりは2017年のG検定。/20221026_AITable
akit37
0
4
kintone知能化計画/20220902_kintone_and_JPStripes
akit37
0
6
外観検査用画像前処理の_コツをコード解説付きで。/20220810_CDLE_LT
akit37
0
6
サブスク課金に銀行振込を追加してみた。その①/20220713_JPStripes
akit37
0
8
CDLE LT会「お試しプログラミング forとifとfunction()」/20200930_CDLE_LT
akit37
0
5
Other Decks in Technology
See All in Technology
Oracle Base Database Service 技術詳細
oracle4engineer
PRO
5
38k
LLM評価の落とし穴~開発者目線で気をつけるポイント~
rishigami
11
3.1k
Prisma ORMを2年運用して培ったノウハウを共有する
tockn
19
5k
SWC Transformerから見るTypeScript関数記述ベストプラクティス
fujiyamaorange
1
170
技術力の伸ばし方を考える
khirata
0
140
AI JIMY - 登壇(インストール編)
hanacchi
0
150
AWSの生成AI入門書を執筆しました🎉
minorun365
PRO
0
140
SLOいつ決めましょう?
abnoumaru
2
130
TailwindCSSでUIライブラリを作る際のハマりどころ
shuta13
0
230
AWS Observability 関連最新アップデート
o11yfes2023
0
100
QA経験のないエンジニアリング マネージャーがQAのカジュアル面談に出て 苦労していること・気づいたこと / scrum fest niigata 2024
yoshikiiida
2
650
iThome2024 Wailing Wall of Enterprise Security
notsurprised
0
280
Featured
See All Featured
Become a Pro
speakerdeck
PRO
13
4.6k
Writing Fast Ruby
sferik
622
60k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
14
1.5k
Bash Introduction
62gerente
605
210k
How GitHub Uses GitHub to Build GitHub
holman
468
290k
GitHub's CSS Performance
jonrohan
1025
450k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
26
2.3k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
9
1.3k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
67
14k
The Pragmatic Product Professional
lauravandoore
26
5.9k
Mobile First: as difficult as doing things right
swwweet
217
8.6k
Fireside Chat
paigeccino
22
2.7k
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。