1) SOR algorithm
SOR算法
1.
SOR algorithm is an interative speed up method of solving linear equation.
SOR算法是解线性方程组的迭代加速方法 ,通过选择恰当的松弛因子ω ,它能使收敛速度较慢的迭代法变的收敛快 ,使发散的迭代法可能变成收敛 ,因此SOR算法有极高的应用价值。
2) generalized SOR
广义SOR算法
3) Block SOR iteration method
块SOR迭代算法
4) SOR iterative method
SOR迭代法
1.
The present paper discusses the convergence of SOR iterative method for solving the linear system when the ratio matrix is a nonsingular square matrix and puts forward some principles to judge the convergence of SOR iterative method.
本文在系数矩阵为非奇方矩阵时,讨论了求解线性方程组的SOR迭代法的收敛性。
5) SOR method
SOR方法
1.
The SOR method was generalized in this paper, with a theorem of Stein-Rosenberg type for the generalized SOR method presented.
本文推广了SOR方法,给出了广义SOR方法中的Stein-Rosenberg型定理。
2.
In this paper, we inquire into the fact that coef fi cient matrix is the convergence of iteration methods for solving the system of e quations with quasi-diagonally dominant matrix, and set the convergent condition s for Jacobi iteration method, G-S iteration method and SOR method for solving t he system of equations with quasi-diagonally dominant matrix.
讨论了系数矩阵为拟对角占优矩阵的方程组迭代解法的收敛性,给出了解拟对角占优矩阵方程组Jacobi迭代法,G-S迭代法和SOR方法的收敛条件。
3.
When the coefficient matrix of a linear system is(1,1)consistently ordered matrix and the eigenvalues of its Jacobi matrix are all pure imaginaries or zeroes,the convergence and the optimum parameters of its AOR iterative method and a comparison between its optimum spectral radius and that of SOR method are shown.
在不同情况下AOR和SOR方法有各自的优点,本文通过利用当一个线性系统的系数矩阵为(1,1)相容次序矩阵且它的Jacobi矩阵的特征值均为纯虚数或0时AOR迭代方法收敛的最佳参数以及它的最佳谱半径与SOR方法的比较,研究了在二级迭代的情况下这两种方法该如何选取。
6) SOR-like method
SOR-Like方法
1.
The Generalized AOR method becomes SOR-like method given by Golub et al.
当参数α=时,新迭代方法是变成由Golub等人给出的SOR-Like方法。
2.
the modified SOR-like method or MPSOR-like method.
针对大型稀疏鞍点问题给出了一种含有待定参数的新迭代解法,称之为修正SOR-like方法,简记为MPSOR-like方法。
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