1) Arnoldi
Arnoldi
2) Arnoldi algorithm
Arnoldi算法
1.
The paper proposed that the Arnoldi algorithm in Krylov subspace was applied to reduce the high-order original system.
详细分析了渐近波形估算(AWE)方法的固有数值病态问题,提出使用基于Krylov子空间的Arnoldi算法对系统高阶模型进行缩减,将直接矩量显式计算转化为间接矩量隐式计算,将主导极点的抽取转化为主导特征值的抽取。
2.
Arnoldi algorithm is employed to implement model order reduction (MOR) of complex micro-electro-mechanical system(MEMS) based on Krylov subspace technique, and the Taylor series expansion is used to solve the weakly nonlinear problem.
论文根据系统传递函数矩匹配原理,提出将Arnoldi算法与Taylor展开相结合来实现MEMS器件行为的宏建模,建立了典型MEMS微梁的宏模型。
3) Arnoldi decomposition
Arnoldi分解
1.
In addition, by use of Arnoldi decomposition an approac.
另外提出了在Jacobi-Davidson方法中用Arnoldi分解构造初始正交子空间的方法,提高了该方法在迭代初期的计算效率。
4) Arnoldi method
Arnoldi方法
1.
Implicitly restarted Arnoldi method and its application to the solution of higher order harmonics;
隐式重启的Arnoldi方法及其在高阶谐波求解中的应用
2.
To get the dynamic characteristics of the submerged body, the Arnoldi method is adopted to solve .
采用Arnoldi方法进行此非对称特征值的求解。
5) block Arnoldi process
块Arnoldi过程
6) Arnoldi process
Arnoldi过程
1.
Implicitly restarted Arnoldi process based parameters estimation;
基于隐含重起Arnoldi过程的参数估计
2.
The paper proposes an efficient method based on the Arnoldi process for the estimation of L-curve in super- resolution image restorations.
本文提出在超分辨率复原中使用基于Arnoldi过程来高效计算正则化参数的方法。
3.
Firstly, the method of determining the restarted number of GMRES by using Arnoldi process is put forward, the stop criterion of GMRES is given by the backward error analysis.
首先提出了使用Arnoldi过程确定GMRES方法重启动数的方法,按照向后误差分析的方法给出了GMRES方法的终止准则,使用GMRES方法求解了大型离岸结构的水弹性响应和平均二阶力(矩),通过对大型离岸结构的水弹性分析表明GMRES方法的计算效率高于常规方法,可在工程应用中发挥巨大的作用。
参考词条
Arnoldi 过程
精化Arnoldi算法
Arnoldi减缩算法
调和Arnoldi方法
二阶Arnoldi方法
调和Arnoldi算法
循环Arnoldi方法
精化Arnoldi方法
总体Arnoldi过程
收敛/精化Arnoldi算法
隐式重新启动的Arnoldi方法
隐式重启动Arnoldi算法
精化的二阶Arnoldi方法
隐式重启动Arnoldi方法
隐式重启动Arnoldi迭代
通用设备控制协议
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。