文档摘要

6.1 无约束优化：梯度下降 第六章 数值优化基础 6.1 无约束优化：梯度下降 在现代计算数学的广袤天地中，数值优化如同一条贯穿始终的金线，将理论与应用紧密缝合。无论是机器学习模型的训练、物理系统的模拟，还是工程设计中的参数调优，我们几乎总能遇见这样一个核心问题：如何在一个连续空间中寻找某个函数的最小（或最大）值？当这个函数没有附加任何限制条件时，我们称之为无约束优化问题。 会员。《6.1 无约束优化：梯度下降》收录于灏天文库文集《计算数学》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/429-%E8%AE%A1%E7%AE%97%E6%95%B0%E5%AD%A6

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流