XiaoMi-AI文件搜索系统
World File Search System偏导数
拉吉夫·甘地知识技术大学 - AP
多元函数：多元函数的极限、连续性和可微性，偏导数及其几何解释，微分，复合函数和隐函数的导数，链式法则，雅可比矩阵，高阶导数，齐次函数，欧拉定理，调和函数，多元函数的泰勒展开式，多元函数的最大值和最小值 - 拉格朗日乘数法。单元 - V（5 个接触小时）
多元微积分及其在人工智能中的应用...
其中 W = ( w 1 , w 2 , w 3 , ..., wn ) 是存储每个权重/偏差值的矩阵。对于每个 i ，wi 是网络中的一个权重或偏差的值。C 是我们的“错误”，应该尽可能低。显然，我们希望最小化成本函数，这可以通过计算网络中每个权重和偏差的偏导数来实现，这些权重和偏差最初具有任意初始值，这些值可能会发生变化。然后，我们使用递归关系 W n +1 = W n −∇ C ( W n ) 相应地修改权重和偏差值。通过迭代此过程，我们很可能可以到达点 C min = lim n →∞ C ( W n )，此时 C 最小化，并且人工神经网络模型经过训练可以给出我们想要的结果。
B.Sci. （数据科学与人工智能）课程适用于 2018 年或以后入学的学生
MH1802 科学微积分 本课程旨在让学生掌握 数学知识和分析技能，使他们能够应用微积分技术（以及他们现有的数学技能）来解决适用的科学问题； 数学阅读技能，使他们能够阅读和理解基础和流行科学和工程文献中的相关数学内容；以及 数学交流技能，使他们能够有效和严格地向数学家、科学家和工程师介绍他们的数学思想。内容基础 (BAS) 数字类型；函数和图形；常用函数及其图形；重要的代数、三角、对数和指数恒等式；基本复数。微积分 (DIF) 极限；微分；微分技术；微分的应用；基本偏导数。积分 (INT) 积分；积分技术；对数、指数和反三角函数的微积分；积分的应用；微分方程 (DE) 基础；一阶常微分方程；二阶常微分方程；级数、序列和微分方程。MH1812 离散数学 学习目标 本课程介绍数学和计算机科学中常用的离散数学基本概念。内容 - 计数、排列和组合、二项式定理 - 递归关系 - 图、路径和电路、同构 - 树、生成树 - 图算法（例如最短路径、最大流）及其计算复杂度、大 O 符号 MH2100 微积分 III 学习目标 这是微积分系列中的最后一门课程。本课程介绍多变量微积分。内容 参数方程、极坐标。向量值函数、向量值函数微积分、立体解析几何。多变量函数、极限、连续性、偏导数、可微分性和全微分、链式法则、隐函数定理。方向导数、梯度、拉格朗日乘数。二重积分、表面面积、三重积分。线积分、格林定理、曲面积分、高斯散度定理、斯托克斯定理。
人工智能与机器学习
项目名称 理学学士 – 人工智能与机器学习 课程代码/名称 UGAM101 / 线性代数与微积分 年份/学期 I / ILTPC 3 1 0 4 课程目标： 1. 用矩阵方法解释线性方程组的解。 2. 讨论级数的收敛和发散。 3. 解释二元函数的偏导数和极值 4. 讨论标量和矢量函数的物理解释 5. 讨论矢量线、曲面和体积积分。 课程成果： 成功完成课程后，学生将能够： 1. 应用矩阵方法解线性方程组 2. 测试无限级数的收敛和发散。 3. 确定二元函数的极值。 4. 将向量微分算子应用于标量和向量函数 5. 用格林函数求解线、表面和体积积分，UNIT-I 矩阵 12 矩阵的秩、梯形、线性方程组的一致性、向量的线性依赖性、特征值、特征向量、特征值的性质、凯莱-哈密顿定理、二次型、通过线性变换将二次型简化为标准形式、二次型的性质。UNIT-II 无穷级数 12 数列和级数收敛的定义。正项级数 – 收敛的必要条件、比较检验、极限形式比较检验、达朗贝尔比率检验、拉贝检验、柯西根检验、交错级数、莱布尼茨规则、绝对和条件收敛。 UNIT-III 偏微分及其应用 12 两个或多个变量的函数，偏导数，高阶偏导数，全导数，隐函数的微分，雅可比矩阵，两个变量函数的泰勒展开式，两个变量函数的最大值和最小值。 UNIT-IV 向量微分学 12 标量和向量点函数，向量算子 Del，梯度，方向导数，散度，旋度，Del 两次应用于点函数，Del 应用于点乘积
b.tech. 4 年制电子与通信专业课程...
一元函数微积分：线性和二次近似、误差估计、泰勒定理、无穷级数、收敛测试、绝对和条件收敛、泰勒和麦克劳林级数。多元函数微积分：偏导数、链式法则、隐式微分、梯度、方向导数、全微分、切平面和法线、最大值、最小值和鞍点、约束最大值和最小值、曲线绘制、积分的几何应用、双重积分、面积和体积的应用、变量变换。常微分方程：一阶及高阶微分方程、线性微分方程。具有高阶常数系数、柯西微分方程、参数变异法、联立微分方程。图论：简介、术语、表示、同构、连通性、Wars Hall 算法、欧拉和汉密尔顿路径以及最短路径树。参考文献：
第一年工学学士学位课程的共同课程...
模块3[8L] 数列和级数：数列和级数收敛的基本概念；收敛检验：比较检验、柯西根检验、达朗贝尔比检验（这些检验的语句和相关问题）、拉贝检验；交错级数；莱布尼茨检验（仅语句）；绝对收敛和条件收敛。 模块4[10L] 多元函数微积分：多元函数简介；极限和连续性、偏导数、三元以下齐次函数和欧拉定理、链式法则、隐函数的微分、全微分及其应用、三元以下雅可比矩阵最大值、最小值；函数的鞍点；拉格朗日乘数法及其应用；线积分的概念，二重和三重积分。模块 5[10L] 向量微积分：标量变量的向量函数，向量函数的微分，标量和向量点函数，标量点函数的梯度，向量点函数的散度和旋度，
物理系课程 2024
PHY 112 经典动力学 3-1-0-0 (11) 数学预备知识：偏导数、向量微分、矩阵特征值问题。回顾牛顿运动定律、变换和对称性、惯性与非惯性系、保守力与非保守力、势能。平面极坐标中的牛顿定律，（动量、能量、角动量）守恒定律的应用：中心力问题、平面点质量之间的碰撞、卢瑟福散射。受迫和阻尼振动、共振。相空间、平衡和不动点、一阶和二阶自治系统：线性稳定性分析和不动点分类、吸引子、保守系统与非保守系统、准周期性。约束运动、约束类型、虚功法、达朗贝尔原理中的欧拉-拉格朗日方程。拉格朗日、对称性、循环坐标、守恒量、二自由度系统中的小振荡。点质量系统、角动量和扭矩（用于非固定轴旋转），
教育 关于基于梯度的脑功能理论中的度量选择
这是一篇 PLOS 计算生物学教育论文。大脑以最小化某些成本的方式运作的想法在理论神经科学中普遍存在。由于成本函数本身并不能预测大脑如何找到最小值，因此需要对优化方法做出额外假设来预测生理量的动态。在这种情况下，最速下降（也称为梯度下降）通常被认为是大脑可能实现的优化算法原理。在实践中，研究人员通常将偏导数的向量视为梯度。然而，梯度的定义和最速方向的概念取决于度量的选择。由于度量的选择涉及大量自由度，因此基于梯度下降的模型的预测能力必须受到质疑，除非对度量的选择有严格的限制。在这里，我们对梯度下降的数学进行了教学回顾，并通过文献中的例子说明了使用梯度下降作为大脑功能原理的常见缺陷，并提出了限制度量的方法。
1.6.2 课程描述 - 南洋理工大学
1.6.2 课程描述 第 2 年 MP0001 基础数学 AU：2，先决条件：无，学期：1 函数和导数。积分。复数和矢量。幂级数。多元函数和偏导数。常微分方程。 MP2001 材料力学 AU：3，先决条件：FE1001，第 1 和第 2 学期 平衡概念和自由体图回顾。应力和应变。扭转。梁的弯曲应力。梁的剪切应力。应力和应变的转变。屈服和断裂准则。梁的挠度。柱。 MP2002 机械运动学和动力学 AU：3，先决条件：FE1001，第 1 和第 2 学期 运动学基础。连杆运动学。机构静态力分析。机构动态力分析。正齿轮和齿轮系。凸轮。 MP2003（仅适用于主流）热力学 AU：4，先决条件：无，第 1 和第 2 学期纯物质的性质。功和热。能量和第一定律。封闭系统和稳态控制体积的能量平衡。第二定律和熵。封闭系统和稳态控制体积的熵平衡。发电厂和制冷系统的热力学循环。理想气体混合物和湿度计。反应混合物和燃烧。 MP2004（仅适用于主流和机电一体化流）制造技术和材料 AU：4，先决条件：无，第 1 和第 2 学期铁合金。有色金属和合金。聚合物：结构和