导语


集智学园联合东京都市大学贾伊阳老师共同开设了「面向应用的泛函分析:空间、算子与结构」课程,本系列课程将以严谨的理论推导为核心,逐步建立泛函分析的基础架构。第一阶段将探讨从有限维跨越到无限维的动机与基础;第二阶段将重点建立度量与完备性,掌握 Banach 空间与不动点定理的精髓;第三阶段将深入探讨 Hilbert 空间的几何结构与对偶空间的映射体系。最终,在第四阶段,将梳理完整的结构总览与应用地图,透视这些纯粹的数学工具如何作为底层基石,广泛应用于现代物理、复杂系统模拟与前沿计算科学中。


作为系列课程的第一讲,贾伊阳老师将以「为什么需要无限维?」为主题,从机器学习基础问题为案例进入泛函分析的场景中,建立函数空间的思想动机正式分享将于3月29日(周日)19:00-21:00进行。

图片


主题:为什么需要无限维?




课程简介




机器学习中有一类问题,目标不是找一个数或一组参数,而是找一整个函数——用正则化控制模型复杂度,本质是在函数空间里施加范数约束;核方法(SVM、高斯过程)直接工作在无限维Hilbert空间里;变分推断优化的对象是泛函,不是参数。这些方法背后都在用同一套语言:泛函分析。但传统泛函分析课从公理和抽象定义出发,让人很难看出它与实际问题的联系。


作为系列课程的第一讲,将从一个具体的机器学习例子(函数拟合 + 过拟合 + 正则化)出发,以应用问题为起点,循序推导出所需的数学框架。一个核心问题是“为什么需要无限维”,并沿此引出三个核心追问:函数到底属于哪个空间?如何定义两个函数之间的距离与收敛?函数为什么可以当向量用?课程最后通过vector与covector的对偶结构,将泛函的数学定义与机器学习中的优化目标打通。


本节课程面向具备基础线性代数与机器学习背景的学员,以建立应用直觉为优先,数学严格性服务于理解,而非目的本身。





课程大纲




  1. 引入:为什么需要无限维

  2. 函数到底属于哪个空间

    1. 不同函数空间的刻画(连续函数、可微函数、平方可积函数)

    2. 函数空间的选择如何影响问题的可解性

  3. 谈距离、收敛与稳定性

    1. 距离与范数:两个函数怎样算“接近”?

    2. 收敛性:一列函数怎样算“收敛”?

    3. 稳定性:极限与最优解会不会跑掉?

  4. 为什么函数可以看作向量

    1. 函数向量空间的线性结构

    2. 从有限维线性代数走向无限维函数空间

    3. 反例:哪些函数集合不构成向量空间

    4. 在函数向量空间可以讨论的问题

  5. 泛函、对偶与机器学习

    1. 泛函的定义:输入函数、输出实数的映射

    2. Vector与covector(对偶)的概念

    3. Hilbert空间中的对偶结构

    4. 机器学习中的对偶视角

  6. 总结:函数、向量、对偶、泛函





关键术语




  • 泛函(Functional):以函数为输入、输出实数的映射,如J[f]对整个函数整体评分。

  • 函数空间(Function Space):满足特定条件的函数构成的集合,如连续函数空间C[a,b]。

  • 赋范空间(Normed Space):定义了“长度”(范数)的向量空间,可度量函数大小。

  • Hilbert空间:完备的内积空间,是无限维几何分析的核心舞台。

  • 正则化(Regularization):在优化目标中加入范数惩罚,鼓励平滑解、抑制过拟合。

  • 收敛(Convergence):函数列趋近某极限的过程,不同范数下含义不同。

  • Covector(对偶向量):作用在向量上输出实数的线性映射,对应泛函的几何理解。

  • 内积(Inner Product):衡量两个函数“方向相似程度”的运算,推广自有限维点积。





课程信息




课程主题:为什么需要无限维?

课程时间:2026年3月29日(周三) 19:00-21:00

课程形式:腾讯会议(会议信息见群内通知);集智学园网站录播(3个工作日内上线)





课程主讲人




贾伊阳,东京都市大学讲师、前日本女子大学助理教授,前日本成蹊大学助理教授。研究重点是计算复杂性,算法,以及范畴相关理论。集智学园《范畴论与机器学习》课程讲师。





课程适用对象




  • 做微分方程、数值算法、反问题、信号处理、控制的学习者与研究者

  • 做优化、机器学习、统计推断,希望理解正则化与泛化的结构来源的研究者

  • 读量子/数学物理文献,希望把 Hilbert 空间与算子语言用顺手的研究者

  • 更广义地:经常处理“函数作为未知量”的问题、并且想要一套可迁移框架的研究者


你会获得

  1. 面对一个新问题,你能先问对问题:该在哪个空间里解?该用哪个范数衡量误差?需要什么完备性?算子是否有界?

  2. 你能理解常见方法背后的统一逻辑:迭代为何收敛、正则化为何稳定、最小二乘为何等价于投影、弱解为何成立。

  3. 你会获得一套“抽象但可落地”的语言:写证明、读论文、做建模时,能把碎片化技巧收束到结构层面。


报名须知

  1. 课程形式:腾讯会议直播,集智学园网站录播。本系列课程不安排免费直播。

  2. 课程周期:2026年3月29日-2026年6月14日,每周日晚19点-21点进行。

  3. 课程定价:原价499

    1. 早早鸟价299,截止时间:2026年3月22日中午12点

    2. 早鸟价399,截止时间:2026年3月30日中午12点

课程链接:https://campus.swarma.org/v3/course/5700?from=wechat


付费流程:

  1. 扫码付费;

  2. 课程页面添加学员登记表,添加助教微信入群;

  3. 课程可开发票。


课程共创任务:课程字幕

为鼓励学员深度参与、积极探索,我们致力于形成系列化知识传播成果,并构建课程知识共建社群。为此,我们特别设立激励机制,让您的学习之旅满载收获与成就感。

课程以老师讲授为主,每期结束后,助教会于课程群内发布字幕共创任务。学员通过参与这些任务,不仅能加深对内容的理解,还可获得积分奖励。积分可兑换其他读书会课程或实物奖品,助力您的持续成长。


推荐阅读

  1. 站在范畴论视角看机器学习  | 「范畴论与机器学习」系列课程上线

  2. 凝聚态数学——数学语言会迎来大统一吗?

  3. 范畴论:迈向数学的统一

#发布

点击“阅读原文”,报名课程

内容中包含的图片若涉及版权问题,请及时与我们联系删除