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
10
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
「重鎮問題」について(軽めに)
akit37
0
44
Software + Hardware = Fun++
akit37
0
21
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
1
17
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
12
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
19
始まりは2017年のG検定。/20221026_AITable
akit37
0
11
kintone知能化計画/20220902_kintone_and_JPStripes
akit37
0
18
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
11
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
17
Other Decks in Technology
See All in Technology
What's new in Go 1.24?
ciarana
1
110
RayでPHPのデバッグをちょっと快適にする
muno92
PRO
0
190
アジャイルな開発チームでテスト戦略の話は誰がする? / Who Talks About Test Strategy?
ak1210
1
580
2/18 Making Security Scale: メルカリが考えるセキュリティ戦略 - Coincheck x LayerX x Mercari
jsonf
0
200
Iceberg Meetup Japan #1 : Iceberg and Databricks
databricksjapan
0
360
短縮URLをお手軽に導入しよう
nakasho
0
150
日経のデータベース事業とElasticsearch
hinatades
PRO
0
230
入門 PEAK Threat Hunting @SECCON
odorusatoshi
0
150
コンピュータビジョンの社会実装について考えていたらゲームを作っていた話
takmin
1
600
AIエージェント元年
shukob
0
160
ディスプレイ広告(Yahoo!広告・LINE広告)におけるバックエンド開発
lycorptech_jp
PRO
0
360
実は強い 非ViTな画像認識モデル
tattaka
2
1.2k
Featured
See All Featured
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
27
1.9k
Large-scale JavaScript Application Architecture
addyosmani
511
110k
Rebuilding a faster, lazier Slack
samanthasiow
80
8.9k
Rails Girls Zürich Keynote
gr2m
94
13k
Adopting Sorbet at Scale
ufuk
74
9.2k
Stop Working from a Prison Cell
hatefulcrawdad
267
20k
Designing Experiences People Love
moore
140
23k
Gamification - CAS2011
davidbonilla
80
5.2k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
30
2.2k
Bash Introduction
62gerente
611
210k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
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。