Derivada de una función de orden superior

Question

Esto está en el contexto de Diferenciación automática : ¿qué haría un sistema de este tipo con una función? como map , o filter - o incluso uno de los Combinadores de esquíes ?

Ejemplo: tengo la siguiente función:

def func(x):
    return sum(map(lambda a: a**x, range(20)))

¿Cuál sería su derivada? ¿Qué rendirá un sistema AD como resultado? (Esta función está bien definida en entradas de número real).

Answer 1

Las funciones de orden superior son discretas. No tienen la calidad cartesiana de tener argumentos que tengan asignaciones bien definidas a puntos en algún espacio n-dimensional.

Sin embargo, con su aclaración sobre la respuesta, hay varias cosas que se pueden decir. Sería posible diferenciar simbólicamente algunas funciones de orden superior, pero solo para ciertos patrones de llamada que resuelven funciones bien conocidas.

Probablemente, diferenciación numérica sería más fructífero, ya que puede estimar la derivada repetidamente evaluando la función dada.

Además, las funciones que son totalmente generales, y su ejemplo se dirige de esa manera, con el uso de funciones relativamente arbitrarias, eventualmente alcanzará la integridad de Turing, lo que significará que ninguna cantidad de inteligencia por parte de un diferenciador simbólico ser capaz de diferenciar automáticamente la función.

Answer 2

Un buen sistema de AD lo superará sin ninguna dificultad. Si el código AD realiza la traducción de fuente a fuente, entonces puede tener problemas con la sum . Pero si es un sistema AD que funciona sobrecargando los operadores aritméticos, entonces el código AD no 'verá' realmente la función sum , solo las operaciones + que el sum llamadas a funciones.

Answer 3

Me gustaría estar en desacuerdo con la respuesta aceptada de que no puede diferenciar útilmente las funciones de rango superior, o que necesita restringirse a un subconjunto particularmente pequeño de ellas al demostrarlo en la práctica.

Usando mi paquete 'ad' de Haskell, obtenemos:

ghci> :m + Numeric.AD
ghci> diff (\x -> sum (map (**x) [1..20])) 10
7.073726805128313e13

Podemos extraer lo que se hizo abusando de un tipo numérico trazado para responder a su pregunta sobre la derivada es:

ghci> :m + Debug.Traced
ghci> putStrLn $ showAsExp $ diff (\x -> sum (map (**x) [1..20])) (unknown "x" :: Traced Double) 
1.0 * (1.0 ** x * log 1.0) + 
1.0 * (2.0 ** x * log 2.0) +
1.0 * (3.0 ** x * log 3.0) +
1.0 * (4.0 ** x * log 4.0) +
1.0 * (5.0 ** x * log 5.0) +
1.0 * (6.0 ** x * log 6.0) +
1.0 * (7.0 ** x * log 7.0) +
1.0 * (8.0 ** x * log 8.0) +
1.0 * (9.0 ** x * log 9.0) +
1.0 * (10.0 ** x * log 10.0) +
1.0 * (11.0 ** x * log 11.0) +
1.0 * (12.0 ** x * log 12.0) +
1.0 * (13.0 ** x * log 13.0) +
1.0 * (14.0 ** x * log 14.0) +
1.0 * (15.0 ** x * log 15.0) +
1.0 * (16.0 ** x * log 16.0) +
1.0 * (17.0 ** x * log 17.0) +
1.0 * (18.0 ** x * log 18.0) +
1.0 * (19.0 ** x * log 19.0) +
1.0 * (20.0 ** x * log 20.0)

Con el intercambio completo, obtienes resultados bastante más horribles, que a veces son asintóticamente más eficientes.

ghci> putStrLn $ showAsExp $ reShare $ diff (\x -> sum (map (**x) [1..20])) 
      (unknown "x" :: Traced Double)
let _21 = 1.0 ** x;
    _23 = log 1.0;
    _20 = _21 * _23;
    _19 = 1.0 * _20;
    _26 = 2.0 ** x;
    _27 = log 2.0;
    _25 = _26 * _27;
    _24 = 1.0 * _25;
    _18 = _19 + _24;
    _30 = 3.0 ** x;
    _31 = log 3.0;
    _29 = _30 * _31;
    _28 = 1.0 * _29;
    _17 = _18 + _28;
    _34 = 4.0 ** x;
    _35 = log 4.0;
    _33 = _34 * _35;
    _32 = 1.0 * _33;
    _16 = _17 + _32;
    _38 = 5.0 ** x;
    _39 = log 5.0;
    _37 = _38 * _39;
    _36 = 1.0 * _37;
    _15 = _16 + _36;
    _42 = 6.0 ** x;
    _43 = log 6.0;
    _41 = _42 * _43;
    _40 = 1.0 * _41;
    _14 = _15 + _40;
    _46 = 7.0 ** x;
    _47 = log 7.0;
    _45 = _46 * _47;
    _44 = 1.0 * _45;
    _13 = _14 + _44;
    _50 = 8.0 ** x;
    _51 = log 8.0;
    _49 = _50 * _51;
    _48 = 1.0 * _49;
    _12 = _13 + _48;
    _54 = 9.0 ** x;
    _55 = log 9.0;
    _53 = _54 * _55;
    _52 = 1.0 * _53;
    _11 = _12 + _52;
    _58 = 10.0 ** x;
    _59 = log 10.0;
    _57 = _58 * _59;
    _56 = 1.0 * _57;
    _10 = _11 + _56;
    _62 = 11.0 ** x;
    _63 = log 11.0;
    _61 = _62 * _63;
    _60 = 1.0 * _61;
    _9 = _10 + _60;
    _66 = 12.0 ** x;
    _67 = log 12.0;
    _65 = _66 * _67;
    _64 = 1.0 * _65;
    _8 = _9 + _64;
    _70 = 13.0 ** x;
    _71 = log 13.0;
    _69 = _70 * _71;
    _68 = 1.0 * _69;
    _7 = _8 + _68;
    _74 = 14.0 ** x;
    _75 = log 14.0;
    _73 = _74 * _75;
    _72 = 1.0 * _73;
    _6 = _7 + _72;
    _78 = 15.0 ** x;
    _79 = log 15.0;
    _77 = _78 * _79;
    _76 = 1.0 * _77;
    _5 = _6 + _76;
    _82 = 16.0 ** x;
    _83 = log 16.0;
    _81 = _82 * _83;
    _80 = 1.0 * _81;
    _4 = _5 + _80;
    _86 = 17.0 ** x;
    _87 = log 17.0;
    _85 = _86 * _87;
    _84 = 1.0 * _85;
    _3 = _4 + _84;
    _90 = 18.0 ** x;
    _91 = log 18.0;
    _89 = _90 * _91;
    _88 = 1.0 * _89;
    _2 = _3 + _88;
    _94 = 19.0 ** x;
    _95 = log 19.0;
    _93 = _94 * _95;
    _92 = 1.0 * _93;
    _1 = _2 + _92;
    _98 = 20.0 ** x;
    _99 = log 20.0;
    _97 = _98 * _99;
    _96 = 1.0 * _97;
    _0 = _1 + _96;
in  _0

En general, la diferenciación automática no tiene problemas con las funciones de rango superior. Sin embargo, las traducciones de fuente a fuente pueden encontrarse con algunos problemas dependiendo de las limitaciones de la herramienta en particular.