搜索资源列表
pvlw
- 最优化的一系列算法,包括牛顿法,最速下降法,共轭梯度法等,()
Polish-overload-access
- 最优化算法,有共轭梯度,牛顿法,黄金分割,最速下降法等()
method
- 解线性方程组的迭代法，例如：最速下降法求线性方程组Ax=b的解，共轭梯度法求线性方程组Ax=b的解(The iterative method for solving linear equations is obtained)
Untitled2
- BP神经网络基本原理概述：这种网络模型利用误差反向传播训练算法模型，能够很好地解决多层网络中隐含层神经元连接权值系数的学习问题，它的特点是信号前向传播、误差反向传播，简称BP（Back Propagation）神经网络。BP学习算法的基本原理是梯度最快下降法，即通过调整权值使网络总误差最小，在信号前向传播阶段，输入信号经输入层处理再经隐含层处理最后传向输出层处理；在误差反向传播阶段，将输出层输出的信号值与期望输出信号值比较得到误差，若误差较大则把误差信号传回隐含层直至输入层，在各层神经元中使用
最优化方法
- 使用各种不同的方法计算二元函数极值，如最速下降法，牛顿法，共轭梯度法，拟牛顿法，信赖域法等(Calculate binary function extremes using various methods, such as steepest descent, Newton's method, conjugate gradient method, quasi-Newton method, trust region method, etc.)
rosenbrock
- 最速下降法求梯度，可运行多维变量，很有参考价值(rosenbrock,minisize,matlab)