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
230
【NoMapsTECH 2025】AI Tech Community Talk
akit37
0
3
エンジニア目線でのテスラ
akit37
0
48
「重鎮問題」について(軽めに)
akit37
0
63
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
22
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
16
Other Decks in Technology
See All in Technology
react-callを使ってダイヤログをいろんなとこで再利用しよう!
shinaps
2
260
AIのグローバルトレンド2025 #scrummikawa / global ai trend
kyonmm
PRO
1
310
CDK CLIで使ってたあの機能、CDK Toolkit Libraryではどうやるの?
smt7174
4
190
新アイテムをどう使っていくか?みんなであーだこーだ言ってみよう / 20250911-rpi-jam-tokyo
akkiesoft
0
340
「どこから読む?」コードとカルチャーに最速で馴染むための実践ガイド
zozotech
PRO
0
550
企業の生成AIガバナンスにおけるエージェントとセキュリティ
lycorptech_jp
PRO
2
190
はじめてのOSS開発からみえたGo言語の強み
shibukazu
3
970
20250912_RPALT_データを集める→とっ散らかる問題_Obsidian紹介
ratsbane666
0
100
AIエージェントで90秒の広告動画を制作!台本・音声・映像・編集をつなぐAWS最新アーキテクチャの実践
nasuvitz
3
340
Generative AI Japan 第一回生成AI実践研究会「AI駆動開発の現在地──ブレイクスルーの鍵を握るのはデータ領域」
shisyu_gaku
0
330
今日から始めるAWSセキュリティ対策 3ステップでわかる実践ガイド
yoshidatakeshi1994
0
110
Platform開発が先行する Platform Engineeringの違和感
kintotechdev
4
580
Featured
See All Featured
Intergalactic Javascript Robots from Outer Space
tanoku
272
27k
Building an army of robots
kneath
306
46k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
358
30k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.5k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
920
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
131
19k
How STYLIGHT went responsive
nonsquared
100
5.8k
Code Review Best Practice
trishagee
71
19k
GraphQLとの向き合い方2022年版
quramy
49
14k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.9k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
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。