English· Español· Deutsch· Nederlands· Français· 日本語· ქართული· 繁體中文· 简体中文· Português· Русский· العربية· हिन्दी· Italiano· 한국어· Polski· Svenska· Türkçe· Українська· Tiếng Việt· Bahasa Indonesia

un

konuk
1 / ?
derslere geri dön

Faktöriyelerin Logaritmik Ölçeği

Stirling yaklaşımı bir çarpımı toplama dönüştürür, bu da büyük-n matematiğini işlenebilir hale getiren temel harekettir:

ln(n!) ≈ n·ln(n) − n + 0.5·ln(2πn)

Bu formül, k=1..n için Σ ln(k) toplamını ln(x)'in integrali ile yaklaşıklaştırarak, sonra trapez kuralını hatayı sınırlamak için uygulayarak ortaya çıkar.

Geometrik Olarak Neden Önemli

n-boyutlu küre hacmi formülü Γ(n/2 + 1) içerir, tamsayı n için (n/2)! veya yarı-tamsayıların çarpımına eşittir. Stirling, her değeri doğrudan hesaplamadan büyük n için bunları tahmin etmemize izin verir.

Stirling yaklaşımı, 10 tabanında log(n!) ≈ n·log(n) − n·log(e) verir, büyüklük mertebesi tahminleri için yararlıdır.

n = 10 için: ln(10!) ≈ 10·2.303 − 10 + 0.5·ln(62.83) ≈ 23.03 − 10 + 2.08 = 15.10 (gerçek: 15.104).

n = 100 için: ln(100!) ≈ 100·4.605 − 100 + 0.5·ln(628.3) ≈ 460.5 − 100 + 3.24 = 363.7 (gerçek: 363.74).

n=20 için Stirling

Doğrudan bir hesaplama: ln(20) ≈ 2.996. ln(2π·20) = ln(125.66) ≈ 4.833.

Stirling'in logaritma formülünü kullanarak ln(20!)'yi hesaplayın. Sonra e^(cevabınız) alarak 20!'yi tahmin edin. 20! = 2,432,902,008,176,640,000 ≈ 2.433 × 10^18 gerçek değeriyle karşılaştırın. Üç terimi de gösterin.

Hacim Formülü

n-boyutlu yarıçap r'nin küresi hacmi:

V_n(r) = C_n · r^n burada C_n = π^(n/2) / Γ(n/2 + 1)

Küçük n için C_n değerleri Γ(1/2) = √π & indirgeme formülü kullanılarak bir desen izler:

- n=1: C_1 = π^(1/2)/Γ(3/2) = √π/(√π/2) = 2

- n=2: C_2 = π^1/Γ(2) = π/1 = π

- n=3: C_3 = π^(3/2)/Γ(5/2) = π^(3/2)/(3√π/4) = 4π/3

- n=4: C_4 = π²/Γ(3) = π²/2

- n=5: C_5 = π^(5/2)/Γ(7/2) = π^(5/2)/(15√π/8) = 8π²/15

Not edin: C_n n=5'e yakın en yüksek değere ulaşır (≈ 5.264) sonra azalır. Büyük n için, C_n → 0.

Unit Sphere Volume vs Dimension

n=5'te Maksimum

C_5 = 8π²/15. π² ≈ 9.870 ile:

C_5 = 8·9.870/15 = 78.96/15 ≈ 5.264

Bunun maksimum olduğunu doğrulamak için: C_6 = π³/6 ≈ 31.006/6 ≈ 5.168. Yani C_6 < C_5 — pik n=5'te oluştu.

C_4 = π²/2 ≈ 4.935 olduğunu doğrulayın. Sonra C_5/C_4 & C_6/C_5 oranlarını hesaplayın. Bu oranlar n=4 ile n=6 arasında bir pik olduğunu doğruluyor mu? Çalışmanızı gösterin.

Köşelerde Hacim Fraksiyonu

Köşe paradoksu kantitatif olarak: n-boyutlu birim hiperkübün [−1,1]^n'nin yarıçap 1'in içinde yazılı küresi dışında kalan kısmı ne kadardır?

Köşe fraksiyonu = 1 − C_n / 2^n

Corner Paradox

| n | C_n | 2^n | Küre fraksiyonu | Köşe fraksiyonu | |---|---|---|---|---| | 2 | 3.14 | 4 | %78.5 | %21.5 | | 3 | 4.19 | 8 | %52.4 | %47.6 | | 4 | 4.93 | 16 | %30.8 | %69.2 | | 5 | 5.26 | 32 | %16.4 | %83.6 | | 6 | 5.17 | 64 | %8.1 | %91.9 | | 10 | 2.55 | 1024 | %0.25 | %99.75 |

n=8 için, C_8 = π⁴/24 ≈ 4.059. Köşe fraksiyonunu hesaplayın. Sonra yorumlayın: 8-boyutlu birim hiperkübden 1000 eşit dağılımış rasgele örnek çekerseniz, kaçının içinde yazılı kürenin içinde kalması beklenir?

Optimizasyon için Çıkarımlar

Köşe paradoksunun yüksek boyutlu uzaylarda optimizasyon için doğrudan sonuçları vardır:

Rasgele arama başarısız olur. n-boyutlu parametre uzayındaki rasgele bir nokta, neredeyse kesinlikle bir köşeye düşer — orijinden uzak, aşırı parametre değerleriyle. İyi çözümler orta parametre değerlerine yakın kümelenmişse, rasgele arama onları hiçbir zaman bulmaz.

Gradyan alçalış başarılı olur. Yerel gradyanı izleyerek, uzayı körü körüne örneklemek yerine sistematik olarak gezinirsiniz. Boyutsallık laneti rasgele yöntemleri vurur; yapılandırılmış yöntemler uyum sağlar.

Mesafe yoğunlaşır. Yüksek boyutlarda, rasgele noktalar arasındaki tüm pairwise mesafeler aynı değeri etrafında yoğunlaşır: [0,1]^n'de tekdüze olan noktalar için hepsi yaklaşık olarak √(2n/3) olur. En yakın komşu yöntemleri bozulur çünkü 'en yakın' & 'en uzak' ayırt edilemez hale gelir.

Hamming'in reçetesi: sezginize güvenmeden önce geometriyi anlayın. Yüksek boyutlu uzaylarda, geometri karşı sezgiye aykırıdır & matematik tek güvenilir kılavuzdur.

Bir sinir ağının 10.000 ağırlık parametresi vardır. Her ağırlık [−1, 1]'de eşit dağılımış olarak başlatılır. Köşe paradoksu bize bu başlatma noktalarının hiçbirinin 10.000-boyutlu birim kürenin içinde yer almadığını söyler. Yine de sinir ağları rasgele başlatmadan başarıyla eğitilir. Bu bize kayıp manzarasının geometrisi hakkında ne söyler & 'iyi başlatma' & 'birim küre' arasındaki analojinin neyi bozar?