OPT++，Sandia开发的一套优化工具包。可以实现经典的q-Newton等基于梯度的优化算法！
标签： OPT
上传时间： 2016-01-25
上传用户：zuozuo1215
为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了 该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论， 采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模 型而言，这种方法建立的模型能更好地描述MEMS陀螺仪的漂移特；相对于季节时间序列模型而 言，其补偿效果提高了大约15％。
标签： 精度
上传时间： 2016-04-01
上传用户：weixiao99
考虑非对称耦合映象格子的控制问题, 用线性分析的方法分析了在钉扎控制下系统的稳定性, 同时还分析了耦合的非对称性对控制效率的影响. 得出将系统控制到几种稳定状态所需要最小钉扎密度与系统参数间的关系和耦合梯度对控制效率的影响, 并给出了数值验证. 钉扎控制用于非对称耦合系统比用于对称耦合系统更加有效, 在相同的钉扎密度下, 可控制区域随耦合梯度的增加而增加.
上传时间： 2016-04-12
上传用户：417313137
此源代码仍然是训练RBF网络的，但用的算法是梯度下降法，算法仍然是自己写的
上传时间： 2013-12-29
上传用户：wpwpwlxwlx
神经网络BP算法，具有可设的层数，按梯度下降的学习规则。
上传时间： 2016-05-01
上传用户：1966640071
数值线性代数的Matlab应用程序包 共13个程序函数，每个程序函数有相应的例子函数一一对应，以*Example.m命名 程序名称 用途 Method 方法 GrmSch.m QR因子分解 classical Gram－Schmidt orthogonalization 格拉母－斯密特 MGrmSch.m QR因子分解 modified Gram－Schmidt iteration 修正格拉母－斯密特 householder.m QR因子分解 Householder 豪斯霍尔德QR因子分解 ZXEC.m 最小二乘拟合 polynomial interpolant 最小二乘插值多项式 NCLU.m LU因子分解 Gaussian elimination 不选主元素的高斯消元 PALU.m LU因子分解 partial pivoting Gaussian elimination 部分选主元的高斯消元 cholesky.m 楚因子分解 Cholesky Factorization 楚列斯基因子分解 PwItrt.m 求最大特征值 Power Iteration 幂迭代 Jacobi.m 求特征值 Jacobi iteration 按标准行方式次序的雅可比算法 Anld.m 求上Hessenberg Arnoldi Iteration 阿诺尔迪迭代 zuisu.m 解线性方程组 Steepest descent 最速下降法 CG.m 解线性方程组 Gradients 共轭梯度 BCG.m 解线性方程组 Biconjugate Gradients 双共轭梯度
上传时间： 2016-05-17
上传用户：小鹏
学会不同搜索法（最速下降法，共轭梯度法，牛顿法，拟牛顿法）的计算步骤； 比较不同搜索法（最速下降法，共轭梯度法，牛顿法，拟牛顿法）的优缺点。
标签： 搜索
上传时间： 2014-01-22
上传用户：牛布牛
包括蚁群优化算法，梯度优化算法两个文档。
标签： 优化算法
上传时间： 2016-05-30
上传用户：moerwang
讨论了BP 小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法。 首先论证了小波神经网络的数学基础,然后讨论了BP 小波神经网络的学习过程,重点讨论了减小误差函数最优方 向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法。该方法具有 普遍性,有广泛的应用价值。仿真结果表明,采用最优梯度下降方向可以大幅度提高BP 小波神经网络的学习速 度。
上传时间： 2014-01-22
上传用户：金宜
有了合适的处理对象，剩下的就是技术问题了。在数字运动检测中运用的关键技术有图像数据读取、图像的中值滤波、图像灰度化、图像梯度的获取、图像特征区域的确定、两幅图像的匹配、图像二值化、图像细化、图像去离散点的操作、物体的区域定位、物体中心点的取得，最后再从图片中得到物体运动轨迹。本运动检测系统是为了实现对一系列图片中运动物体的跟踪而设计的，它通过对一系列图片的处理，提取出图片背景，识别出运动物体，进而对运动物体进行跟踪，得到物体运动的轨迹。本文主要阐述了什么是数字图像处理、数字图像处理的基本要求、数字图像处理的实践及开发工具的特点、功能、
标签： 对象
上传时间： 2013-12-11
上传用户：shinesyh
