Jensen 不等式
若f(x)为区间I上的下凸(上凸)函数,则对于任意xi∈I和满足∑λi=1的λi>0(i=1,2,...,n),成立:
\[f(\sum ^{n} _{i=1} \lambda _{i}x_{i})\leq \sum ^{n} _{i=1} \lambda _{i} f(x_{i}) \qquad (f(\sum ^{n}_{i=1}\lambda _{i}x_{i})\geq \sum ^{n}_{i=1}\lambda _{i}f(x_{i}))\]
特别地,取λi=1/n (i=1,2,...,n),就有
\[f(\frac{1}{n}\sum ^{n}_{i=1}x_{i})\leq \frac{1}{n}\sum ^{n}_{i=1} \qquad (f(\frac{1}{n}\sum ^{n}_{n=1})\geq \frac{1}{n}\sum ^{n}_{i=1}f(x_{i}))\]
为了方便说明,以下函数均以下凸函数为例
证明:
在i=1,2时 Jensen不等式 显然成立:
\[f(\lambda _{1}x_{1}+\lambda _{2}x_{2})\leq \lambda _{1}f(x_{1})+\lambda _{2}f(x_{2})\]
\[f(\sum ^{n} _{i=1} \lambda _{i}x_{i})\leq \sum ^{n} _{i=1} \lambda _{i} f(x_{i})\]
利用数学归纳法证明 i≥3 的情况
\[f(\sum ^{n+1}_{i=1}\lambda _{i}x_{i})=f(\lambda _{n+1}x_{n+1}+\sum ^{n}_{i=1}\lambda _{i}x_{i})\]
由题意\[\sum ^{n+1}_{i=1}\lambda _{i}=1\],
设\[\eta _{i}=\frac{\lambda {i}}{1-\lambda _{n+1}}\]
得:
\[f(\sum ^{n+1}_{i=1}\lambda _{i}x_{i})=f[\lambda _{n+1}x_{n+1}+(1-\lambda _{n+1})\sum ^{n}_{i=1}\eta _{i}x_{i}]\]
由i=2时 Jensen不等式 成立,可得
\[f(\sum ^{n+1}_{i=1}\lambda _{i}x_{i})\leq \lambda _{n+1}f(x_{n+1})+(1-\lambda _{n+1})f(\sum ^{n}_{i=1}\eta _{i}x_{i})\]
\[f(\sum ^{n+1}_{i=1}\lambda _{i}x_{i})\leq \lambda _{n+1}f(x_{n+1})+(1-\lambda _{n+1})\sum ^{n}_{i=1}\eta _{i}f(x_{i})=\sum ^{n+1}_{i=1}\lambda _{i}f(x_{i})\]
于是证得Jensen不等式在i≥3时也成立
\[f(\sum ^{n} _{i=1} \lambda _{i}x_{i})\leq \sum ^{n} _{i=1} \lambda _{i} f(x_{i})\]
Jensen 不等式的更多相关文章
- 机器学习数学|微积分梯度jensen不等式
机器学习中的数学 觉得有用的话,欢迎一起讨论相互学习~Follow Me 原创文章,如需转载请保留出处 本博客为七月在线邹博老师机器学习数学课程学习笔记 索引 微积分,梯度和Jensen不等式 Tay ...
- 数学分析中jensen不等式由浅入深进行教学(转)
中国知网:数学分析中Jensen不等式由浅入深进行教学
- 归并排序、jensen不等式、非线性、深度学习
前言 在此记录一些不太成熟的思考,希望对各位看官有所启发. 从题目可以看出来这篇文章的主题很杂,这篇文章中我主要讨论的是深度学习为什么要"深"这个问题.先给出结论吧:"深 ...
- 【数学基础篇】---详解极限与微分学与Jensen 不等式
一.前述 数学基础知识对机器学习还有深度学习的知识点理解尤为重要,本节主要讲解极限等相关知识. 二.极限 1.例子 当 x 趋于 0 的时候,sin(x) 与 tan(x) 都趋于 0. 但是哪一个趋 ...
- 从Jensen不等式到Minkowski不等式
整理即证 参考资料: [1].琴生不等式及其加权形式的证明.Balbooa.https://blog.csdn.net/balbooa/article/details/79357839.2018.2 ...
- 凸函数与Jensen不等式
这个是在凸优化里面看的,在EM算法中看有用到,所以用latex写了篇回忆用的小短文,现在不会把latex产生的pdf怎么转变成放到这里的内容. 所以我选择直接贴图. 这个pdf可以在我的资源里找到. ...
- Jensen不等式
- MM bound 与 Jensen's inequality
MM bound 与 Jensen's inequality 简森不等式 在使用最大似然估计方法求解模型最优解的时候,如果使用梯度下降(GD or SGD)或者梯度上升(GA or SGA),可能收敛 ...
- Machine Learning Algorithms Study Notes(6)—遗忘的数学知识
机器学习中遗忘的数学知识 最大似然估计( Maximum likelihood ) 最大似然估计,也称为最大概似估计,是一种统计方法,它用来求一个样本集的相关概率密度函数的参数.这个方法最早是遗传学家 ...
随机推荐
- poj 1655 树的重心 && define注意事项
http://blog.csdn.net/acdreamers/article/details/16905653 题意:给定一棵树,求树的重心的编号以及重心删除后得到的最大子树的节点个数size,如果 ...
- SQL:exec sp_executesql 用法
--這種是無效的過程 declare @sql nvarchar(500), @where nvarchar(500),@i nvarchar(64),@p nvarchar(50),@id int ...
- flask-session总结
一.session session和cookie的原理和区别: cookie是保存在浏览器上的键值对 session是存在服务端的键值对(服务端的session就是 ...
- linux环境下 mysql数据库忘记密码 处理办法
整个修改过程大概3-10分钟(看个人操作),这个时间内mysql出于不需要密码就能登陆的状态,请设法保证系统安全 不罗嗦直接上步骤 1.vi /etc/my.cnf 在[mysqld]下,添加一句:s ...
- 【转】 ASP.NET使用ICallbackEventHandler无刷新验证用户名是否可用
功能说明:当用户在用户名输入框输入字符并焦点离开此输入框时,自动到数据库用户表中验证此用户名是否已被注册,如果已被注册,显示[不可用],反之,显示[可用],期间页面不刷新,读者也可以考虑将提示文字换成 ...
- 深入理解Javascript之执行上下文(Execution Context)
在这篇文章中,将比较深入地阐述下执行上下文 - Javascript中最基础也是最重要的一个概念.相信读完这篇文章后,你就会明白javascript引擎内部在执行代码以前到底做了些什么,为什么某些函数 ...
- 【Linux】unix/Linux常用命令英文全称
英文全称解释更容易理解 知其然,更要知其所以然 man: Manual 意思是手册,可以用这个命令查询其他命令的用法. pwd:Print working directory 显示当前工作路径. su ...
- Android之自定义(上方标题随ViewPager手势慢慢滑动)
最近很蛋疼,项目要模仿网易新闻的样式去做.上次把仿网易新闻客户端的下拉刷新写出来了,这次是ViewPager的滑动,同时ViewPager的上面标题下划线跟随者移动,本来通过ViewPager的OnP ...
- SQLServer存储过程 实例,很多语法可以以后参考
SQL代码 alter PROCEDURE sp_addnewdtgtype ( ), @dtgdllcontent image, ) ) AS BEGIN ); declare @v_count i ...
- PHP程序员应当如何保持与时俱进?
记得之前在某个论坛上看到别人说php程序员土,作为一名php程序员内心当然是不乐意的.不过别人这么说也不是完全没有道理,其实他说php程序员土应该指的就是php程序员不懂得与时俱进. 当然,这也不全是 ...