这种算法的基本思路是一种 “梯度方法（Gradient Method）”，即根据网络 OL 层实际 输出与理想输出之间的误差，从 OL 层开始，反过来 逐层调整网络权值，使其网络加权矢量不断被此误差 函...
基于46个网页-相关网页
·2,447,543篇论文数据，部分数据来源于NoteExpress
第三章研究了投影梯度方法的误差界估计。
In Chapter 3, some error bounds estimations of the projected gradient methods are obtained.
利用共轭梯度方法实现了激发极化（ IP）三维快速反演。
Rapid 3D induced polarization (IP) inversions algorithm are developed using conjugate gradient (CG) relaxation techniques.
最后，通过这些误差界，我们给出了由投影梯度方法产生的迭代序列收敛的条件。
Using the error bounds, we give a condition for convergence of the sequence of iterates generated by projected gradient methods.
应用推荐