弯曲时空中的高阶导数标量场理论属于GLPV理论，该理论非最小地与麦克斯韦场耦合。 我们将证明该理论在FRW背景下接受了两个独立的精确de Sitter解，一个是由宇宙常数驱动的，另一个是由GLPV标量场驱动的。 该理论的动力系统分析表明，这两个精确解都是稳定的不动点。 同样，对这些解的宇宙学扰动表明，基于宇宙常数的解在线性水平上是健康的，但是基于GLPV的解在标量扇区中存在梯度不稳定性。 这证明了GLPV-Maxwell系统中需要宇宙常数，以便拥有健康的de Sitter解决方案。

f x e^x利用数值微分的外推算法求 f 1 一阶导数的近似值

L1正则化技术F(w;x,y)=J(w;x,y)+α∣∣w∣∣1=J(w;x,y)+α∑i=1n∣wi∣假设w∗是损失函数J(w;x,y)最优解，J(w;x,y)在w∗处泰勒展J(w;x,y)=J(w∗;x,y)+J′(w∗;x,y)(w−w∗)+12!J′′(w∗;x,y)(w−w∗)2  ∵w∗是J(w;x,y)最优解，则J′(w∗;x,y)=0，则可以去除J(w∗;x,y)+12!J′′(w∗;x,y)(w−w∗)2J′′是二阶导数，当是高维的时候就变成了H矩阵了。J(w∗;x,y)+12!H(w−w∗)2∴F(w;x,y)=J(w;x,y)+α∣∣w∣∣1=J(w∗;x,y)+12!H

使用 Grundwald-Letnikov 定义的分数导数和积分。 请参考： http ://www3.nd.edu/~msen/Teaching/UnderRes/FracCalc1.pdf (equ. 32 and equ. 36)

bp神经网络BP神经网络的logsig函数和其导数函数.m

matlab求导代码MultilevelCoordinateSearch 这是（MCS）的实现，这是Waltraud Huyer和Arnold Neumaier的算法，用于在可能有界的域上进行全局最小化。 在中，MCS在非商业算法中得分最高。 该实现是原始文档的“新鲜”实现，而不是基于所提供的Matlab代码。 状态：正在进行中。 直到完成为止（如果有的话），请检查我的。

https://blog.csdn.net/weixin_44584198/article/details/129212457?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22129212457%22%2C%22source%22%3A%22weixin_44584198%22%7D 国内的文章对于E类的分析往往限定于占空比为50%且严格满足0电压导数条件（ZVDS）。但是在实际的设计中我们可能需要设计占空比为其他数值的E类功放（降低导通角能提高效率性能），或者需要亚正常模式（不严格满足ZVDS条件）下的E类功放以提升其带宽性能。 然而，在高自由状态下的E类波形应该是怎么样的呢，其实在60年前就有学者给出了计算的的公式，但是其计算比较复杂且涉及各种方程的求解，在此我对其进行了分析，并写成了Matlab代码。

此提交是一组 m 文件，用于演示如何取任意函数的简单数值导数和 Hessian。 代码中的每一步都有文档记录。 包含一个测试脚本，用于计算测试函数的数值 Hessian 并将其与符号确定的结果进行比较（将数值点替换为符号 Hessian）。 梯度和 Hessian 函数支持不同的容差，并且还计算函数评估的数量，以便了解数值导数的成本。 测试脚本需要符号数学工具箱。

一阶和二阶复阶导数近似。 cdiff(F,X) 返回在 X 处计算的函数 F 的一阶导数近似值。 F 是具有单个输入参数的函数句柄，它返回与浮点数组 X 具有相同维度的输出。 灵感来源： http : //blogs.mathworks.com/cleve/2013/10/14/complex-step-differentiation/

一些允许在网格上插入样条函数并计算其导数的工具集。 支持多维（但相当慢） 自然/非结/周期性条件 它仍在进行中，但由于 Matlab 用户社区的要求，我提交了。