1) Uzawa algorithm
Uzawa算法
1.
And then,we design and analyze a preconditioned Uzawa algorithm for solving the saddle-point system generated by the lowest order edge element discretization of Maxwell equations.
然后以此为基础,对Maxwell方程组鞍点问题的第一类Nedelec线性棱元离散系统设计并分析了一种基于HX预条件子的Uzawa算法。
2.
In this paper,we design a preconditioned parallel Uzawa algorithm (HX-Uzawa-p) for solving the saddle-point system generated by the lowest order edge element discretization of the Maxwell equations.
本文针对一类Maxwell方程组鞍点问题的第一类N啨d啨lec线性棱元离散系统,设计了一种基于节点辅助空间预条件子的并行Uzawa算法(HX-Uzawa-p)。
2) inexact Uzawa algorithm
不精确Uzawa算法
1.
The inexact Uzawa algorithms are efficient methods for solving the saddle point system.
不精确Uzawa算法是求解鞍点问题的有效算法。
3) parameterized inexact Uzawa method
参数化非精确Uzawa算法
5) Uzawa-Lucas model
Uzawa-Lucas模型
1.
A Uzawa-Lucas model with leisure;
带休闲的Uzawa-Lucas模型
2.
First, a Uzawa-Lucas model with leisure is presented.
首先,把休闲引入Uzawa-Lucas模型,利用动态最优化方法,在休闲外生的情况下,确定了一个三维动力系统,得出它是鞍轨稳定的,研究结果表明,在均衡状态下,休闲与经济增长率、产出-资本比、消费-资本比和利率负相关,与工资率、半程期正相关以及休闲对人力资本在物质生产、教育部门的分配份额的影响不确定。
6) Arrow-Hurwicz-Uzawaconstraint qualification
Arrow-Hurwicz-Uzawa约束品性
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