Гость » Пт ноя 06, 2020 3:04 pm
Прошу помочь решить задания! Математики! Пожалуйста!
tex Задание 2: посчитать значение градиента функции $x_1^2\cos(x_2) + 0.05x_2^3 + 3x_1^3\log_2{x_2^2}$ в точке $(10, 1)$. Пожалуйста назовите функцию gradient, функция должна принимать список с координатами точки, в которой нужно вычислить значение производной, и функцию, производную которой мы хотим вычислить. Ответ округлить до 2-го знака. /tex
tex Задание 3: найти точку минимуму для функции $\cos(x) + 0.05x^3 + \log_2{x^2}$. Зафиксировать параметр $\epsilon = 0.001$, начальное значение принять равным 10. Выполнить 50 итераций градиентного спуска. Ответ округлить до второго знака; Пожалуйста назовите функцию gradient_optimization_one_dim. Функция должна принимать на вход функцию, которую требуется оптимизировать. /tex
tex Задание 4: найти точку минимуму для функции $x_1^2\cos(x_2) + 0.05x_2^3 + 3x_1^3\log_2{x_2^2}$. Зафиксировать параметр $\epsilon = 0.001$, начальные значения весов принять равным [4, 10]. Выполнить 50 итераций градиентного спуска. Ответ округлить до второго знака; Пожалуйста назовите функцию gradient_optimization_multi_dim. /tex
Прошу помочь решить задания! Математики! Пожалуйста!
tex Задание 2: посчитать значение градиента функции $x_1^2\cos(x_2) + 0.05x_2^3 + 3x_1^3\log_2{x_2^2}$ в точке $(10, 1)$. Пожалуйста назовите функцию gradient, функция должна принимать список с координатами точки, в которой нужно вычислить значение производной, и функцию, производную которой мы хотим вычислить. Ответ округлить до 2-го знака. /tex
tex Задание 3: найти точку минимуму для функции $\cos(x) + 0.05x^3 + \log_2{x^2}$. Зафиксировать параметр $\epsilon = 0.001$, начальное значение принять равным 10. Выполнить 50 итераций градиентного спуска. Ответ округлить до второго знака; Пожалуйста назовите функцию gradient_optimization_one_dim. Функция должна принимать на вход функцию, которую требуется оптимизировать. /tex
tex Задание 4: найти точку минимуму для функции $x_1^2\cos(x_2) + 0.05x_2^3 + 3x_1^3\log_2{x_2^2}$. Зафиксировать параметр $\epsilon = 0.001$, начальные значения весов принять равным [4, 10]. Выполнить 50 итераций градиентного спуска. Ответ округлить до второго знака; Пожалуйста назовите функцию gradient_optimization_multi_dim. /tex