1. 程式人生 > >人工智慧新手入門——高數篇(泰勒展開公式)

人工智慧新手入門——高數篇(泰勒展開公式)

泰克展開公式:

一聽這麼名字就感覺有點肝顫,至少我是這樣的。泰勒公式主要的作用就是把一個特別複雜的函式化簡,近似的求其值,歸根結底他的作用就是近似函式來用的,以簡單熟悉的多項式去儘量代替複雜的函式公式。

北風

一次逼近:

接下來我們一點一點的引入來了解這個公式:

CBDmax

圖中給出了一個函式 f(x) = cosx 這個函式影象,我們來試著先逼近 f(x) = cosx ,在圖中有一個褐色的橫線就是要表達逼近 f(x) = cosx 函式線的公式,在這裡我們先看到有一個微分近似計算公式來代替 cosx

 。 

首先我們來看一下這個公式:f(x)\approx f(x_{0})+{f}'(x_{0})(x-x_{0}) ,他就是用來近似 f(x) = cosx的計算公式,這個表示式是微分表示式,在這裡不做過多介紹,只需要瞭解他是通過微分的方式推匯出來的公式就可以了。因為近似表達所以用了≈ 符號。

在這裡我們想要逼近的是 x_{0} ,他在這個函式中的值是0,我們來直接代入內個微分公式直接就可以得出他的線性逼近,得出一下結果:f(x)\approx f(0)+{f}'(0)x\approx 1 。

二次逼近:

CDBmax

在這個圖中介紹了二次逼近,首先列出了一個二次的多項式,用這個多項式來逼近f(x)=cosx 

我們分別對其求導,一個x都沒有的就用0階導,一個x並且平方是1的用一階導,x平方是2的用二階導,最後通過求導一次計算出a的係數,然後把公式化簡就得出了 f(x) = cosx

 的二次逼近。

在這兩個圖中有沒有發現這個二次逼近和一次逼近很相似。沒錯,二次逼近其實就是比一次逼近多了一個a_{2}x^{2}項,其實一次逼近裡面的f(x) 就是二次逼近裡面內個 a 。在這裡我們看出二次逼近有了這個 a_{2}x^{2} 咱們逼近函式能拐彎了,能更好的擬合這個函式。

在一次逼近的時候是這個樣子 f(x)\approx f(0)+{f}'(0)x ,二次逼近的時候他長成這樣 p^{_{2}}(x)=a_{0}+a_{1}x+a_{2}x^{2}然後分別求導後化簡變成這樣 :p^{_{2}}(x)=1-\tfrac{x^{2}}{2},不過他們推導過程的公式是非常像的 p^{_{2}}(x)=a_{0}+(a_{1}x){}'+(a_{2}x^{2}){}''。由此我們看出幾次逼近就是分別對應項數求幾次導,然後化簡得出的函式就可以非常的接近我們的原函式,當然對於這個函式導的越多才能越接近:

北風

這個是八次逼近,其實也可以更多次,次數越多逼得越近。。。

但是這樣就滿足了嗎? 不!!還要逼得更近,這就需要用到誤差項的概念:

北風

上圖中藍框框內給出了兩個公式 f(x) 是原函式,P_{n}(x) 是多項式,對他分別求導可以逼近 f(x) ,R_{n}(x) 他就是誤差項,他等於 f(x)-P_{n}(x) 。為了更好地理解誤差項和逼近這個函式,我們要在理解下他的概念和條件:

在圖中我們一一列出了條件(他們必須都在同一區間):

1.  0階導的時候也就是常數項,兩個函式之間必須有交點,這個很簡單

2.  1階導我們還記得1階導可以計算函式的單調性,這裡用一階導來讓兩個函式單調性相同

3.  2階導在引進來之後,這個函式即使是曲線的,也可以大概逼近了,因為二階導可以計算函式的凹凸性

4.  導次越多,近似程度就越好。

所以我們的多項式要滿足下面這些條件:

CBDmax

在這張圖已經給出了條件,一個是函式與逼近的內個多項式,他們兩個的各個導數相等,然後原函式必須具有(n+1)階導數這樣才能有逼近效果。然後我們再把誤差項的概念匯入進來:

在這兩個圖中我們給出了誤差項的推導公式,他與前一項的高階導又多了一階,不同的是他的分子上的引數不是x0了,而是 \xi ,他在x0和x之間取值。。然後我們再把公式化簡:

這些理論知識就基本已經BB完了,接下來我們看個例子: