1) L BFGS method
L-BFGS算法
2) L-BFGS-B algorithm
L-BFGS-B算法
4) L-BFGS iterative method
L-BFGS迭代法
5) BFGS algorithm
BFGS算法
1.
Application of BP network based on BFGS algorithm in BTP prediction;
基于BFGS算法的BP网络在烧结终点预报中的应用
2.
BFGS algorithm is one of the most effective methods in solving the non-constrained optimization problems.
BFGS算法是解无约束优化问题的公认的最有效的算法之一。
3.
The advantages and disadvantages of BFGS algorithm and simulated annealing algorithm were studied and considering BFGS s good local searching ability and simulated annealing algorithm global searching ability,a mixed BFGS-SA algorithm was proposed in the paper.
通过研究BFGS算法和模拟退火算法的优缺点,鉴于BFGS的良好的局部搜索能力以及模拟退火法的全局搜索能力,提出了一个BFGS-SA的混合算法。
6) BFGS method
BFGS算法
1.
This paper,based on BFGS method,presents an artificial neural network model for unconstrained optimization problems,and some stability properties of the neural network are discussed.
提出了一种基于BFGS算法的求解无约束优化问题的人工神经网络模型,并对该模型的稳定性作了理论分析。
2.
In this paper,we present a modified BFGS method,which satisfies the quasi-Newton funtion proposed by Wei~(11).
根据一类基于新拟牛顿方程Bk+1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk+1)≤f(xk)+δkαgTkdk和g(xk+1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性。
3.
In this thesis, we first propose a modified limited memory BFGS method for solving non-convex minimization problem, then we give a compact limited memory BFGS method for convex optimization.
第二章,在Li和Fukushima提出的求解非凸极小化问题的修正BFGS算法的基础上,提出一种求解非凸极小化问题的修正有限记忆BFGS方法(M-LBFGS),并证明该算法在求解大规模非凸极小化问题时具有全局收敛性。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条