注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 最速下降法，共轭梯度法，牛顿法，拟牛顿法

  2. 学会不同搜索法（最速下降法，共轭梯度法，牛顿法，拟牛顿法）的计算步骤； 比较不同搜索法（最速下降法，共轭梯度法，牛顿法，拟牛顿法）的优缺点

  3. 所属分类：专业指导

    • 发布日期：2009-04-29
    • 文件大小：3072
    • 提供者：xinrui0754

  1. 梯度下降法源程序，可以运行

  2. 梯度下降法源程序 梯度下降法源程序，可以运行，梯度下降法是一种局部搜索能力较强的算法

  3. 所属分类：其它

    • 发布日期：2010-04-24
    • 文件大小：695
    • 提供者：yinjian_2004

  1. BP神经网络的数据分类算法matlab源码

  2. 人工神经网络和遗传算法都是将生物学原理应用于计算机科学的仿生学理论成果。由于它们具有极强的解决问题的能力，近年来引起了众多学者的兴趣与参与，已成为学术界跨学科的热门专题之一。 在人工神经网络的实际应用中，约90％的人工神经网络模型都是采用BP网络或者是它的变化形式，它也是前馈网络的核心部分，BP网络广泛应用于函数逼近、模式识别／分类、数据压缩等。现已成为人工智能研究的重要领域之一。然而，由于BP算法是一种梯度下降搜索方法，因而不可避免地存在固有的不足，如收敛速度慢、易陷入误差函数的局部极小点，

  3. 所属分类：专业指导

    • 发布日期：2013-05-25
    • 文件大小：4096
    • 提供者：checkpaper

  1. MATLAB实现最速下降法，牛顿法和共轭梯度法

  2. 最速下降法是以负梯度方向最为下降方向的极小化算法，相邻两次的搜索方向是互相直交的。牛顿法是利用目标函数在迭代点处的Taylor展开式作为模型函数，并利用这个二次模型函数的极小点序列去逼近目标函数的极小点。共轭梯度法它的每一个搜索方向是互相共轭的，而这些搜索方向仅仅是负梯度方向与上一次接待的搜索方向的组合。

  3. 所属分类：其它

    • 发布日期：2013-12-18
    • 文件大小：47104
    • 提供者：u013205707

  1. 各种运动估计算法

  2. S(全搜索算法)、4SS(4步搜索算法)、BBGDS(基于块的梯度下降搜索算法)、DS(钻石搜索)、HS六边形搜索算法（hexagonal search， HS)、CDHS(交叉砖石六边形搜索法)、MVFAST(运动矢量场自适应搜索算法,MPeG)、PMVFAST(预测运动矢量场自适应搜索算法)、ARPS(自适应十字模式搜索)、ARPS3 原本想实现UMHexagonS(非对称十字形多层次六边形格点运动搜索算法,H.264)和EZPS算法，但这两种算法都针对H.264做了特殊的优化。本程序只考

  3. 所属分类：机器学习

    • 发布日期：2017-09-16
    • 文件大小：943104
    • 提供者：zxcvb658

  1. 运动估计方法比较

  2. FS(全搜索算法)、4SS(4步搜索算法)、BBGDS(基于块的梯度下降搜索算法)、DS(钻石搜索)、HS六边形搜索算法（hexagonal search， HS)、CDHS(交叉砖石六边形搜索法)等算法的实现

  3. 所属分类：C/C++

    • 发布日期：2018-08-17
    • 文件大小：941056
    • 提供者：weixin_41435098

  1. 精确搜索下具有充分下降性的混合共轭梯度法

  2. 共轭梯度方法是求解大规模无约束非线性优化问题的一种重要方法.对参数βk不同的构造方法,形成了各种各样的共轭梯度算法.基于现有的研究结果启发,给出了参数βk的一种新的构造方法,进而提出了一种新的共轭梯度算法.该算法能够保证目标函数序列的充分下降性,并在目标函数可微的条件下,证明了算法的全局收敛性.

  3. 所属分类：其它

    • 发布日期：2020-05-15
    • 文件大小：184320
    • 提供者：weixin_38728277

  1. 一类基于Armijo线搜索的新的谱共轭梯度法

  2. 为了构造具有更好收敛性的谱共轭梯度法,根据已有的共轭系数β~*_k和β■,构造了一个新的共轭系数β■,从而给出了一个新的谱共轭梯度法。经过选取适当的谱系数,保证新方法在每次迭代时总能产生充分下降的搜索方向。该性质具有既不依赖所使用的线搜索,又不依赖目标函数凸性的优点。利用Armijo线搜索,在一般假设条件下,给出了该方法全局收敛性的证明。

  3. 所属分类：其它

    • 发布日期：2020-04-28
    • 文件大小：208896
    • 提供者：weixin_38611812

  1. 求解无约束优化问题的一类谱共轭梯度法

  2. 针对无约束优化问题,提出一类谱共轭梯度法.谱共轭梯度法是对TS、GN及MPRP方法的修正,使得在任何线性搜索条件下都具有充分下降性.并且在Armijo型线性搜索条件下,证明了该类算法的全局收敛性.与GN、SFR及MPRP方法进行比较,数值结果表明:谱共轭梯度法是可行的,特别对于大规模无约束优化问题更有效.

  3. 所属分类：其它

    • 发布日期：2020-05-24
    • 文件大小：172032
    • 提供者：weixin_38730201

  1. 一类混合CD-LS共轭梯度法的全局收敛性

  2. 为了寻找同时具有良好的收敛性和数值表现的共轭梯度法.将CD方法和LS方法结合,选用推广的Wolfe线搜索,构造出一类新的混合共轭梯度法.新的混合共轭梯度法不需要限制推广的Wolfe线搜索条件中的参数,但得到的下降性与CD法一致,具有比CD方法更好的收敛性,并具有全局收敛性.对新算法进行数值试验,通过与CD法和LS法的数值结果进行比较,表明新算法是可行的,尤其对大规模无约束优化问题.

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：209920
    • 提供者：weixin_38530536

  1. 一种修正的DY共轭梯度法及全局收敛性

  2. 为寻求同时具有良好的收敛性和数值表现的共轭梯度法,在Wolfe线搜索下,构造一种修正的DY共轭梯度法.该算法产生的搜索方向为充分下降方向,这一性质与所采用的线搜索方法无关.在Wolfe线搜索的条件下证明该算法具全局收敛性.研究结果表明:算法是有效的,尤其对大规模无约束优化问题.

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：204800
    • 提供者：weixin_38723516

  1. 无约束非线性优化问题的混合LS-CD谱共轭梯度法

  2. 为寻求收敛性质和数值表现具佳的无约束优化算法,利用共轭梯度法和含有两个方向调控参数的谱共轭梯度法,结合LS方法与CD方法给出混合的共轭参数和相应的谱参数,建立采用标准Wolfe线搜索的谱共轭梯度算法,证明了算法满足下降性和全局收敛性,数值试验显示算法是有效的,适合于求解大型无约束非线性优化问题.研究结果表明:谱共轭梯度法两个参数的适当构造有利于降低算法的收敛条件,增强算法的适用性.

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：445440
    • 提供者：weixin_38698174

  1. python实现随机梯度下降法

  2. 看这篇文章前强烈建议你看看上一篇python实现梯度下降法： 一、为什么要提出随机梯度下降算法 注意看梯度下降法权值的更新方式（推导过程在上一篇文章中有）  也就是说每次更新权值都需要遍历整个数据集（注意那个求和符号），当数据量小的时候，我们还能够接受这种算法，一旦数据量过大，那么使用该方法会使得收敛过程极度缓慢，并且当存在多个局部极小值时，无法保证搜索到全局最优解。为了解决这样的问题，引入了梯度下降法的进阶形式：随机梯度下降法。 二、核心思想 对于权值的更新不再通过遍历全部的数据集，而是选择

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：70656
    • 提供者：weixin_38618094

  1. 梯度下降法介绍及利用Python实现的方法示例

  2. 本文主要给大家介绍了梯度下降法及利用Python实现的相关内容，分享出来供大家参考学习，下面话不多说，来一起看看详细的介绍吧。 梯度下降法介绍 梯度下降法（gradient descent），又名最速下降法（steepest descent）是求解无约束最优化问题最常用的方法，它是一种迭代方法，每一步主要的操作是求解目标函数的梯度向量，将当前位置的负梯度方向作为搜索方向（因为在该方向上目标函数下降最快，这也是最速下降法名称的由来）。 梯度下降法特点：越接近目标值，步长越小，下降速度越慢。 直

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：295936
    • 提供者：weixin_38697063

  1. 人工智能与机器学习-梯度下降法

  2. 人工智能与机器学习-梯度下降法 一、梯度下降法概述 梯度下降法（Gradient descent）是一个一阶最优化算法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。 二、梯度下降法直观理解 以人下山为例，要到达最低点，需要以下步骤： 第一步，明确自己现在所处的位置 第二步，找到相对于该位置而言下降最快的方向 第三步，沿着第二步找到的方向走一小步，然后到底一个新的位置，这时候的位置就比原来更低 第四步，又明确当前所处

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：698368
    • 提供者：weixin_38726407

  1. 最优化算法python实现篇（4）——无约束多维极值（梯度下降法）

  2. 最优化算法python实现篇（4）——无约束多维极值（梯度下降法）摘要算法简介注意事项算法适用性python实现实例运行结果算法过程可视化 摘要 本文介绍了多维无约束极值优化算法中的梯度下降法，通过python进行实现，并可视化展示了算法过程。 算法简介 给定初始点，沿着负梯度方向（函数值下降最快的方向）按一定步长（机器学习中也叫学习率）进行搜索，直到满足算法终止条件，则停止搜索。 注意事项 学习率不能太小，也不能太大，可以多尝试一些值。当然每次沿着负梯度方向搜索时，总会存在一个步长使得该次搜索

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：197632
    • 提供者：weixin_38742647

  1. 用Python实现最速下降法求极值的方法

  2. 对于一个多元函数，用最速下降法（又称梯度下降法）求其极小值的迭代格式为 其中为负梯度方向，即最速下降方向，αkαk为搜索步长。 一般情况下，最优步长αkαk的确定要用到线性搜索技术，比如精确线性搜索，但是更常用的是不精确线性搜索，主要是Goldstein不精确线性搜索和Wolfe法线性搜索。 为了调用的方便，编写一个Python文件，里面存放线性搜索的子函数，命名为linesearch.py，这里先只编写了Goldstein线性搜索的函数，关于Goldstein原则，可以参看最优化课本。 线性

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：164864
    • 提供者：weixin_38609002

  1. 机器学习之梯度下降法

  2. 1.基本概念 梯度下降法（Gradient descent）是一个一阶最优化算法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。 2.几种梯度下降方法（针对线性回归算法） 2.1 批量梯度下降法 1.批量梯度下降法的特点及原理 运算量大：批量梯度下降法中的每一项计算：，要计算所有样本（共 m 个）； 批量梯度下降法的梯度是损

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：214016
    • 提供者：weixin_38698149

  1. 基于天牛须搜索的全变分最小化算法在计算机断层成像内重建中的应用

  2. 若感兴趣区域具有分片光滑或多项式特征,则可通过全变分(TV)最小化进行精确内重建。目标函数TV最小化过程可通过梯度下降法以其负梯度方向为搜索方向,经过多次迭代优化实现。为提高TV最小化重建的效率,提出一种天牛须搜索(BAS)和梯度下降相结合的寻求最优解方向的方法。在TV最小化过程中根据生成的随机数和阈值选择梯度下降方向或由个体“左右须”检测到的最优解方向进行迭代。仿真实验和实际实验结果表明,本文算法收敛速度较快,重建效果更好。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：6291456
    • 提供者：weixin_38730331

  1. 机器学习-P3 梯度下降

  2. 文章目录1，介绍基本原理关于参数eta并不是所有函数都有唯一的极值点2，代码实现会用到的库原材料简单地梯度下降3，简单地封装一下关于参数4，线性回归的梯度下降法 1，介绍 基本原理 梯度下降 不是一个机器学习的算法 是一个基于搜索的最优化方法 作用：最小化一个损失函数 梯度上升法：最大化一个效用函数 （不管在最低点哪一侧都会是，都会是下降的） 关于参数eta 并不是所有函数都有唯一的极值点 解决方法： 多次运行，随机化初始点 梯度下降法的初始值也是一个超参数 2，代码实现 会用到的库

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：495616
    • 提供者：weixin_38591291
« 12 3 4 5 »