最近更新:
分类: AI 必备数学
AI 教程网络
专题导读
文章分组
基础、实践、扩展三个阶段,按文章顺序排列。
第 7 - 16 篇 · 10 个小节
配置、命令、调用链和结果检查。
图文教程
微积分的核心不是复杂符号,而是描述连续变化。导数看瞬时变化,积分看累计效果,这两条线贯穿后面的模型训练和优化。
AI 中用微积分最多的地方是优化。模型先算损失,再用梯度判断参数往哪里改,最终让误差逐步下降。
这组内容适合按问题推进:先理解函数怎么变,再看变化率怎么求,然后看总量怎么积累,最后进入多变量和动态过程。
函数是把输入映射到输出的规则。后面所有导数、积分和模型预测,都建立在这个输入输出关系上。
极限描述的是靠近时的趋势,而不是只看某一点的取值。理解极限,是理解连续和导数的前提。
连续说明图像不断,可导说明局部有稳定切线。可导比连续更强,但连续本身不保证可导。
导数就是把一段变化压缩到无限小后得到的瞬时变化率。几何上,它对应曲线在某一点的切线斜率。
求导法则是把复杂函数拆开处理。真正容易错的是复合函数,外层和内层的变化都要算进去。
切线把曲线在局部近似成直线,变化率则告诉你当前点附近输出对输入有多敏感。
积分可以看作累加。没有上下限时找反导函数,有上下限时计算一段区间的累计效果。
面向微积分入门的不定积分教程,讲清原函数、积分常数、基本积分公式和常见计算方法,适合零基础学习积分。
换元法本质是反向使用链式法则。关键是替换完整,不只换函数,也要处理微分项。
定积分可以从很多小矩形面积的极限理解。性质则帮助你把复杂区间拆开、合并和简化。
定积分给的是符号面积。如果图像在 x 轴下方,结果会是负数;求实际面积时常要分段取绝对值。
定积分应用的重点是建模。先明确累计的是面积、距离、概率还是总成本,再写对应函数和区间。
偏导数是在其他变量固定时,看一个变量对输出的影响。多个偏导合在一起,就是梯度。
重积分把累加从一维扩展到二维或更高维。关键不是先算,而是先把积分区域画清楚。
多变量微积分让我们能处理多个输入共同影响输出的情况。机器学习中的损失曲面和梯度下降都依赖它。
微分方程描述的是变化规律本身。它不只是求一个数,而是求满足变化关系的函数。
微分方程先分类再求解。能解析求解就写出函数,不能解析求解时就用数值方法逼近。
微分方程适合描述状态随时间连续变化的系统。AI 里可以用它理解时间序列、控制问题和连续深度模型。