问在不知道原函数的情况下最小化已知代价函数

EN

函数近似算法需要您对数学模型的行为做出一些假设。

如果你从黑盒的角度看事情，可能会发生三种情况-

X ->型号-> Y

你有X和模型，但你没有Y；这是数学建模，你有模型和Y，但你没有X；这是Optimization

• You

• X和Y，但你没有模型；这是

然而，这其中有一个问题。你永远不能直接做3。取而代之的是，你使用一种技巧将3.重新构造为2. (优化问题)。诀窍是假设您的模型类似于y=mx+c，然后不是找到模型，而是找到新的输入m和c。因此，我们可以说-

1. 你有(模型，X)和Y，但你没有M，C(新输入)；这也是优化。

(M，C)模型( -> + X) -> Y

这意味着，即使你不知道输入函数，你也必须假设一些模型，然后估计参数，当调整时，让模型表现得尽可能接近输入函数。

基本上，你需要的是机器学习。你有输入，你有输出(或者你可以得到它们，但是用一个大的输出样本运行你的第一个函数)，你有成本函数。假设一个模型，并将其训练为近似于您的输入函数。

如果您不确定要使用什么，则使用广义函数逼近器AKA神经网络。但要注意，它需要更多的数据来训练。