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. python遗传算法求函数极值.py

  2. python遗传算法求函数极值

  3. 所属分类：Python

    • 发布日期：2020-06-14
    • 文件大小：4096
    • 提供者：kzz6991

  1. Python实现多元线性回归方程梯度下降法与求函数极值

  2. 梯度下降法 梯度下降法的基本思想可以类比为一个下山的过程。 假设这样一个场景：一个人被困在山上，需要从山上下来(找到山的最低点，也就是山谷)。但此时山上的浓雾很大，导致可视度很低；因此，下山的路径就无法确定，必须利用自己周围的信息一步一步地找到下山的路。这个时候，便可利用梯度下降算法来帮助自己下山。怎么做呢，首先以他当前的所处的位置为基准，寻找这个位置最陡峭的地方，然后朝着下降方向走一步，然后又继续以当前位置为基准，再找最陡峭的地方，再走直到最后到达最低处；同理上山也是如此，只是这时候就变成梯度

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：105472
    • 提供者：weixin_38660108

  1. 拉格朗日法线性规划求解

  2. 拉格朗日法线性规划求解 目录拉格朗日法线性规划求解1、拉格朗日乘子法2、拉格朗日乘子法例题求解直接计算python中scipy包实现 1、拉格朗日乘子法 拉格朗日乘数法（以数学家约瑟夫·路易斯·拉格朗日命名）是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。这种方法将一个有n 个变量与k 个约束条件的最优化问题转换为一个有n + k个变量的方程组的极值问题，其变量不受任何约束。这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度（gradient）的线性组合里每个向量的系数

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：89088
    • 提供者：weixin_38543280

  1. TensorFlow 多元函数的极值实例

  2. flyfish python实现 设函数 的某个邻域内有定义，对于该邻域内异于的点，如果都适合不等式 则称函数在点有极大值。 如果都适合不等式 则称函数在点有极小值． 极大值、极小值统称为极值。使函数取得极值的点称为极值点。 有极小值的例子 函数 在点（0，0）处有极小值。因为对于点 (0,0)的任一邻域内异于(0,0)的点，函数值都为正，而在点(0,0)处的函数值为零。从几何上看这是显然的，因为点(0,0,0)是开口朝上的椭圆抛物面 的顶点。 代码 from matplotlib

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：97280
    • 提供者：weixin_38522552

  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. jupyter使用Python编程—-使用梯度下降法求多元函数的极值和系数并与最小二乘法进行比较

  2. 使用梯度下降法求多元函数的系数并与最小二乘法进行比较梯度下降法的原理和概念梯度下降法求解多元函数的极值梯度下降法求解多元函数的系数最小二乘法求解多元函数的系数比较和总结 梯度下降法的原理和概念 偏导数：就是对函数的两个未知数求微分 然后得到的函数 例如一个函数为y=x12+x22+2x1x2 d(y)/d(x1)=2×1+2×2 d(y)/d(x2)=2×2+2×1 学习率： 也称为迭代的步长，优化函数的梯度是不断变化的，有时候变化很大，有时候变化很小，所以需要将每次的梯度变化控制在一个合适的范

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：256000
    • 提供者：weixin_38631331

  1. 梯度下降算法和牛顿算法原理以及使用python用梯度下降和最小二乘算法求回归系数

  2. 梯度下降算法 以下内容参考 微信公众号 AI学习与实践平台 SIGAI 导度和梯度的问题 因为我们做的是多元函数的极值求解问题，所以我们直接讨论多元函数。多元函数的梯度定义为： 其中称为梯度算子，它作用于一个多元函数，得到一个向量。下面是计算函数梯度的一个例子 可导函数在某一点处取得极值的必要条件是梯度为0，梯度为0的点称为函数的驻点，这是疑似极值点。需要注意的是，梯度为0只是函数取极值的必要条件而不是充分条件，即梯度为0的点可能不是极值点。 至于是极大值还是极小值，要看二阶导数/Hess

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：348160
    • 提供者：weixin_38674616

  1. 使用Python实现牛顿法求极值

  2. 对于一个多元函数 用牛顿法求其极小值的迭代格式为 其中 为函数 的梯度向量， 为函数 的Hesse（Hessian）矩阵。 上述牛顿法不是全局收敛的。为此可以引入阻尼牛顿法（又称带步长的牛顿法）。 我们知道，求极值的一般迭代格式为 其中 为搜索步长， 为搜索方向（注意所有的迭代格式都是先计算搜索方向，再计算搜索步长，如同瞎子下山一样，先找到哪个方向可行下降，再决定下几步）。 取下降方向 即得阻尼牛顿法，只不过搜索步长 不确定，需要用线性搜索技术确定一个较优的值，比如精确线性搜

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：117760
    • 提供者：weixin_38623442

  1. 遗传算法解决函数优化及TSP问题.pdf

  2. 遗传算法求解一元及多元函数的极值，同时利用遗产算法求解TSP问题，附python代码

  3. 所属分类：机器学习

    • 发布日期：2021-01-18
    • 文件大小：849920
    • 提供者：weixin_44758127