目錄常用導函式
簡單的計算法則
後記導數
設函式\(y = f（x）\)在點\(x_0\)的某個鄰域內有定義，當自變數\(x\)在\(x_0\)處有增量\(δx\)，\(（x_0+δx）\)也在該鄰域內時，相應地函式取得增量\(δy = f（x_0+δx）-f（x_0）\)如果\(δy\)與\(δx\)之比當\(δx→0\)時極限存在，則稱函式\(y=f（x）\)在點\(x_0\)處可導，並稱這個極限為函式\(y=f（x）\)在點\(x_0\)處的導數
好高階的樣子。。。
怎麼用人話表述呢
說白了就是給定函式\(f(x)\)，則其平均變化率為\(\frac \)當\(\delta x\)趨近於負無窮，平均變化率的極限為\(\lim _ \frac \)此時我們稱該式為\(f(x)\)的導數，記作\(f'(x)\)
所以說\[f'(x_0) = \lim _ \frac = \lim _ \frac
\]同時，在數學中以下兩者是等價的
\[f'(x_0) = \lim _ \frac = \lim _ \frac
\]導函式
如果函式\(y=f（x）\)在開區間內每一點都可導，就稱函式\(f（x）\)在區間內可導。這時函式\(y=f（x）\)對於區間內的每乙個確定的x值，都對應著乙個確定的導數值，這就構成乙個新的函式，稱這個函式為原來函式\(y=f（x）\)的導函式，記作\(y'\)、\(f'（x）\)、\(dy/dx\) 或 \(df（x）/dx\) ,簡稱導數。
換成幾何意義的話可能會更好理解：導數的幾何意義是該函式曲線在這一點的切線斜率
那麼知道了定義，以下是一些常見函式的導函式
加法法則
\[(f(x) + g(x))' = f'(x) + g'(x)
\]減法法則
\[(f(x) - g(x))' = f'(x) - g'(x)
\]乘法法則
\[(f(x) \times g(x))' = f'(x)\times g(x) + g'(x) \times f(x)
\]除法法則
\[(\frac )' = \frac }
\]本人比較菜，所以這一篇部落格只寫了導數最基礎的知識，沒有複雜的公式，更沒有例題，因為我現在在學校並沒有學習導數，目前只是出於興趣提前看看，所以不是很精，有的地方可能會出錯，大佬勿噴，如果有錯誤請一定要告訴我嗚嗚嗚嗚多謝了qaq，同時由於是自己隨便學的，所以相關定理和例題並沒有章法，就是學到啥了有感觸了就寫一點，這篇部落格隨著我學的越來越多會逐漸更新上題和深度學的東西的，不定期更新！
深度學習的一點點一點點知識
我們手裡有大量的x和y，求權重訓練的是權重資料樣本 xwy 身高0體重0 血型0.3 腳指頭0.8 一組x計算出對應的乙個y 計算過程是w 下面的就是最基礎的公式 我們已知資料是大量的x和y 希望通過 西塔 來獲得w 我們的學習才剛剛開始，首先需要理解的是與門 x1x2y0 0001 0100 11...
有關KMP的一點點理解
最近返回頭研究kmp演算法 再讀一邊教材，還是覺得書上寫的十分抽象，對於小菜們來說，很難理解。自己翻書查資料，畫圖，測試，終於有了一點點收穫，自己寫了乙個kmp關於特徵向量的演算法，雖然不如書上的簡潔，但是容易理解。希望可以對剛學kmp的同學有所幫助。kmp的原理在這兒就不多說了，就是運用特徵向量減...
學習經驗一點點。。。
splice與merge最大的不同時，不用排序，也不要求原始鍊錶有序。相同點是，被合併的鍊錶或元素將消失。基類中若是有純虛函式 即基類是抽象類 子類繼承父類之後 必須實現父類中的純虛函式 虛基類不能例項化 但是能宣告指標啊。父類中若是也含所有虛函式 可不用在子類中實現 但必須父類中實現。因為被例項化...