1) UV-decomposition algorithm
UV-分解算法
1.
The UV-decomposition algorithm given by C.
Lemarechal等提出的UV-分解算法理论,是在UV-空间分解理论的基础上利用Moreau-Yosida正则化定义了迫近点函数的一种算法,用以解决一般凸函数的最优化问题。
2) UV decomposition
UV分解
1.
The platforms are considered as the PO region and the array antenna are assigned to the MoM region, and the basis functions in PO region are divided into many groups and the reaction matrixes between each group and MoM region are obtained by UV decomposition technique.
根据与MoM区域的远近,将PO区域的单元分组,其中每个小组与MoM区域的相互作用矩阵采用UV分解技术快速得到。
3) UV-decomposition
UV-分解
1.
The UV-decomposition about D.S.programming;
D.S.规划的uv-分解
2.
UV-Decomposition Theory for a class of D.C. constrained Optimization Problem
一类非凸D.C.约束优化问题的UV-分解理论
3.
The semismooth function is applied to UV-decomposition by using finite convex function s UV-decomposition.
利用UV-分解理论,将半光滑函数应用到UV-分解中。
5) UV -decomposition
UV空间分解
1.
We are trying to use UV -decomposition theory as a tool for a class of special form of DC function .
对于非凸函数,次微分的概念已不再适用,本文利用函数的正则次微分的概念,并使用罚函数的方法,定义了该罚函数函数的UV空间分解,给出了这一类函数的U-Lagrange函数的表达式,并得到该罚函数在光滑轨道上的一阶,二阶性质及其展开式。
6) decomposition algorithm
分解算法
1.
A scenarios planning model is formulated and a decomposition algorithm is put forward.
建立了情景规划模型,提出分解算法,首先求出每种情景下需要扩张的边及其扩张的容量,然后对所有需要扩张的边取其并集,需要扩张的边的容量取其最大,最后求出最小的扩张成本。
2.
A new decomposition algorithm in mathematic programming is discussed in this paper.
分析讨论了一种数学规划的分解算法，并在凸多面体分析的基础上，讨论了Ｄａｎｔｚｉｇ－Ｗｏｌｆ算法及其改进。
3.
After analysing the special structure of the model ,andcombined the decomposition algorithm with the generalized upper bounding algorithm,the D-GUB algorithm is provided in this paper.
在文献［１］提出铁路网货流分配模型的基础上，对模型规模大、变量和约束数多，一般线性规划算法无法求解的问题进行深入研究，并利用模型的特殊结构，将分解算法与带上限约束算法相结合提出Ｄ－ＧＵＢ算法，求解效率显著提高。
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