1) steepest descent rule
最速下降规则
1.
By steepest descent rule, a new method of selecting cutting plane equation has been given.
用最速下降规则,给出了选择割平面的一个新方法。
2) steepest-descent
最速下降
1.
Combing the potential reduction method and steepest-descent algorithm,we establish a new steepest potential-reduction method,which not only improve the iterative speed,decreasingcomputation,but maintain the convergence result.
利用势缩减牛顿算法与最速下降算法,我们建立了求解约束方程的一种新的最速势缩算法,不仅提高了迭代速度、减少计算量,重要的是保证了算法的收敛性结果。
3) steepest descent method
最速下降法
1.
A mixed method of conjugate gradient method and steepest descent method;
共轭梯度法和最速下降法的混合算法
2.
The Modified Steepest Descent Method──Best Point in Steepest Descent method;
改进的最速下降法─最好点最速下降法
3.
This paper presents the mathematical model for the optimization of heterogeneous components, and the method using sensitivity analysis and steepest descent method to optimize material properties, the component is then identified.
阐述了非均质材料零件设计优化的数学模型,并采用灵敏度分析以及最速下降法对其各个材料区域的材料性能进行设计优化,得到最佳材料性能参数后,再从非均质材料数据库中找到相应的工程材料,合成满足设计要求的非均质材料零件 该方法为设计者提供了切实可行的非均质材料零件的材料设计方
4) steepest descent algorithm
最速下降法
1.
Bézier curve fitting based on genetic algorithm and steepest descent algorithm
基于遗传算法和最速下降法的Bézier曲线拟合
2.
At the same time,the steepest descent algorithm is added into the whole algorithm,so that the calculation speed is improved for its speciality of converging into local min.
将隐层节点位置和相应的控制参数组成细菌,使RBFNN的两个参数同时得到优化;同时,在整体算法中融入最速下降法,利用其能快速收敛到极小点的特性,使算法速度得到提升。
3.
Applying the steepest descent algorithm to work out the problem of system of nonlinear equations.
根据广东省台山市都斛镇水稻田控制排灌田间工程试验区的实测资料 ,探讨了在已定工作水头和输水管管径的条件下 ,不同出水口开启状况下各给水栓出流量的数学计算模型 ,用最速下降法计算非线性方程组的方法对这一数学模型进行了求解 ,并与实际观测情况进行了比较和分析 ,通过这些计算探索自动给水栓灌溉系统的设计方法 ,为这套灌溉系统在将来生产实践中的优化设计及应用打下理论基
5) the steepest descent method
最速下降法
1.
This paper searches the nearest training data set as the training data sub-set in fault characteristics data space,and applies the steepest descent method(back-propagation) to optimizing the parameters of the fuzzy rules in the local model.
在故障特征数据空间中,搜索输入数据最相邻的训练数据作为子训练数据集,用最速下降法对模型模糊规则参数进行优化。
2.
The learning method of hidden-output layer weights is the steepest descent method and the one of input-hidden layer weights is genetic algorithm(GA) .
该网络具有三层结构 ,隐层、输出层神经元激活函数分别为 :f(x) =xp 和线性函数 ;网络隐层 -输出层的权值采取最速下降法学习 ,输入层 -隐层的权值采用遗传算法进行学习 ;网络学习时 ,其误差函数单调递减 ,学习算法具有较好的收敛性 ;该网络能逼近任意的连续函数 ,且具有较好的稳定性。
3.
Based on the steepest descent method and the conjugate gradient method,a hybrid algorithm is proposed in this paper,and its global convergence is proved.
将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性。
6) steepest decent method
最速下降法
1.
A hybrid iterative algorithm for unconstrained optimization problems is formulated by means of combining organically the steepest decent method and Newton method.
将最速下降法与Newton法有机地结合起来,构造了无约束优化问题的一种组合迭代算法,并证明了算法的全局收敛性。
2.
Therefore one new algorithm(HOA,hybrid optimizing algorithm) was proposed which combines the Taylor series expansion method with steepest decent method.
在此基础上,提出一种混合优化算法(HOA,hybrid optimizing algorithm)将泰勒级数展开算法和最速下降法有机结合,扬长避短,既继承了泰勒级数展开算法的精确性和顽健性,又具备最速下降法迭代前期收敛速率快,计算量小的优点。
3.
Considering the symmetric and positive of the discrete matrix, steepest decent method and preconditioned conjugate gradient method are used to solve the equation.
本文对一类四阶微分方程两点边值问题的Hermite有限元方法进行了研究,文章首先讨论了该方程通常意义下的Galerkin有限元离散,考虑到有限元离散得到的线性方程组的对称正定性,文中采用了预处理最速下降法和共轭梯度方法求解线性方程组,通过选择不同的预处理器,使得求解该方程组的迭代次数有了很大的改观。
补充资料：最速下降法
分子式：
CAS号：
性质：一种基本的寻优方法。根据函数梯度的特性，在实验点附近，沿梯度方向函数变化率最大，称为最速上升方向。选取负梯度方向(最速下降方向)作为搜索方向来搜索极小值点，称为最速下降法。任选一个起始点X(0)，计算该点的梯度和梯度方向的单位向量E(0)，沿负梯度方向进行搜索，寻求最优步长h(0)，使在该方向的目标函数值最小。找到了最优步长，便得到一个新点X(1)，X(1)=X(0)-h(0)E(0)。再以X(1)点作为新的寻优起始点，继续上述的搜索步骤，直到满足给定的收敛要求为止。沿梯度方向进行搜索的特点是，函数在X(k)点与在X(k+1)，点的梯度向量相互垂直，搜索路线呈锯齿形；距极值点较远时，收敛速度较快，接近极值点，优化速度很慢；迭代计算比较简单，在计算中对起始点位置选择要求不高。
CAS号：
性质：一种基本的寻优方法。根据函数梯度的特性，在实验点附近，沿梯度方向函数变化率最大，称为最速上升方向。选取负梯度方向(最速下降方向)作为搜索方向来搜索极小值点，称为最速下降法。任选一个起始点X(0)，计算该点的梯度和梯度方向的单位向量E(0)，沿负梯度方向进行搜索，寻求最优步长h(0)，使在该方向的目标函数值最小。找到了最优步长，便得到一个新点X(1)，X(1)=X(0)-h(0)E(0)。再以X(1)点作为新的寻优起始点，继续上述的搜索步骤，直到满足给定的收敛要求为止。沿梯度方向进行搜索的特点是，函数在X(k)点与在X(k+1)，点的梯度向量相互垂直，搜索路线呈锯齿形；距极值点较远时，收敛速度较快，接近极值点，优化速度很慢；迭代计算比较简单，在计算中对起始点位置选择要求不高。
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