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实现最速下降法、共轭梯度法和信赖域狗腿法源代码

  2. Python实现最速下降法、共轭梯度法和信赖域狗腿法源代码。可以直接运行，同时将迭代分析绘图。配有详细注释

  3. 所属分类：专业指导

    • 发布日期：2020-04-08
    • 文件大小：6144
    • 提供者：SL_World

  1. python实现最速下降法

  2. 主要为大家详细介绍了python实现最速下降法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：31744
    • 提供者：weixin_38743054

  1. python实现梯度法 python最速下降法

  2. 主要为大家详细介绍了python梯度法，最速下降法的原理，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：120832
    • 提供者：weixin_38656741

  1. 基于Python共轭梯度法与最速下降法之间的对比

  2. 主要介绍了基于Python共轭梯度法与最速下降法之间的对比，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：124928
    • 提供者：weixin_38730840

  1. 用Python实现最速下降法求极值的方法

  2. 今天小编就为大家分享一篇用Python实现最速下降法求极值的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：162816
    • 提供者：weixin_38668225

  1. python+numpy+matplotalib实现梯度下降法

  2. 这个阶段一直在做和梯度一类算法相关的东西，索性在这儿做个汇总， 一、算法论述 梯度下降法(gradient  descent)别名最速下降法（曾经我以为这是两个不同的算法-.-）,是用来求解无约束最优化问题的一种常用算法。下面以求解线性回归为题来叙述： 设：一般的线性回归方程（拟合函数）为：（其中的值为1）    则这一组向量参数选择的好与坏就需要一个机制来评估，据此我们提出了其损失函数为(选择均方误差)： 我们现在的目的就是使得损失函数取得最小值，即目标函数为： 如果的值取到了0，意味着我

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：219136
    • 提供者：weixin_38694006

  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. python实现最速下降法

  2. 本文实例为大家分享了python实现最速下降法的具体代码，供大家参考，具体内容如下 代码： from sympy import * import numpy as np def backtracking_line_search(f,df,x,x_k,p_k,alpha0): rho=0.5 c=10**-4 alpha=alpha0 replacements1=zip(x,x_k) replacements2=zip(x,x_k+alpha*p_k) f_k=f.sub

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：32768
    • 提供者：weixin_38696176

  1. python实现梯度法 python最速下降法

  2. 假设我们已经知道梯度法——最速下降法的原理。 现给出一个算例： 如果人工直接求解： 现给出Python求解过程： import numpy as np from sympy import * import math import matplotlib.pyplot as plt import mpl_toolkits.axisartist as axisartist # 定义符号 x1, x2, t = symbols('x1, x2, t') def func(): # 自定义一个函

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：119808
    • 提供者：weixin_38605188

  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. 基于Python共轭梯度法与最速下降法之间的对比

  2. 在一般问题的优化中，最速下降法和共轭梯度法都是非常有用的经典方法，但最速下降法往往以”之”字形下降，速度较慢，不能很快的达到最优值，共轭梯度法则优于最速下降法，在前面的某个文章中，我们给出了牛顿法和最速下降法的比较，牛顿法需要初值点在最优点附近，条件较为苛刻。 算法来源：《数值最优化方法》高立，P111 我们选用了64维的二次函数来作为验证函数，具体参见上书111页。 采用的三种方法为： 共轭梯度方法（FR格式）、共轭梯度法（PRP格式）、最速下降法 # -*- coding: utf-8 -

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：124928
    • 提供者：weixin_38631049

  1. python实现共轭梯度法

  2. 共轭梯度法是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。 算法步骤： import random import numpy as np import matplotlib.pypl

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：157696
    • 提供者：weixin_38650379

  1. Python-梯度下降法（最速下降法）求解多元函数

  2. 梯度下降法的计算过程就是沿梯度下降的方向求解极小值。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降法是最常采用的方法之一。 多元函数的图像显示 方程为z=x1 ^2 + 2 * x2 ^2 – 4 * x1- 2 * x1 * x2 import numpy as np import matplotlib.pyplot as plt import matplotlib as mpl %matplotlib inline import math from mpl_toolkits.m

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：129024
    • 提供者：weixin_38734506