导读:本文包含了共轭梯度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:梯度,共轭,全局,步长,收敛性,方程组,磁共振。
共轭梯度论文文献综述
王欣,靳鸿,杨冀豫[1]（2019）在《基于共轭梯度下降法的RBF神经网络预测算法》一文中研究指出针对当前神经网络预测算法在解决训练样本较多的复杂非线性系统问题时易陷入局部最优、训练时间较长、准确度不高的问题,提出了基于共轭梯度下降法的RBF神经网络预测算法。该算法在传统径向基神经网络的基础上,引入平滑因子对共轭梯度下降法进行优化,并且能够自适应改变叁个重要参数的学习率步长。将改进的预测算法应用于已知轮毂应力预测轮扭矩的多输入单输出非线性系统,通过仿真实验得到测试样本预测值与真实值的曲线对比、改进的算法与标准RBF神经网络算法的误差性能曲线对比。仿真实验结果表明,该算法比传统RBF神经网络算法迭代次数更少,收敛速度更快,预测准确度更高。(本文来源于《探测与控制学报》期刊2019年05期）
胡午杰,袁功林[2]（2019）在《求解非线性方程组的一种叁项共轭梯度法》一文中研究指出基于共轭梯度算法的简洁性和高效性,本文提出求解大规模非线性方程组模型的一种修正叁项共轭梯度算法。算法具有充分下降性、信赖域性质和全局收敛性。数值结果表明新算法比类似算法更具竞争力。(本文来源于《广西大学学报(自然科学版)》期刊2019年05期）
陈贞晶[3]（2019）在《基于最小二乘修正的混合HS和DY共轭梯度法》一文中研究指出共轭梯度法主要用来求解大规模无约束问题,具有所需存储量小、强收敛性和计算方便等特点。针对混合的Hestenes-Stiefel和Dai-Yuan共轭梯度方法,采用最小二乘的思想,通过极小化混合的方法和充分下降的叁项共轭梯度法的搜索方向之间的距离之差,求解混合参数,使得混合的Hestenes-Stiefel和Dai-Yuan方法在Wolfe线搜索下满足充分下降性和对一致凸函数全局收敛。与Hager-Zhang和Dai-Kou提出的方法比较,修正后的方法在计算上更有优势。(本文来源于《重庆科技学院学报(自然科学版)》期刊2019年05期）
付雷,章政,余义[4]（2019）在《基于动态权值共轭梯度的自适应互补滤波姿态估计算法》一文中研究指出针对低成本微机电系统(MEMS)惯性测量器件易发散,单一的姿态估计算法存在精度低、抗干扰性弱等问题,提出了一种动态权值共轭梯度法与自适应互补滤波融合的姿态估计算法。该算法在共轭梯度算法中加入动态权值,根据载体运动加速度大小对权值进行动态调整,消除运动加速度对姿态估计的不利影响;将加速度计的输出采用动态权值共轭梯度法估计出姿态四元数,并将其与陀螺仪的输出通过自适应互补滤波算法融合以减小惯性测量单元(IMU)的漂移和噪声干扰,提高微型四旋翼飞行器姿态估计的跟踪精度。为了验证所设计算法的可行性和有效性,搭建了基于STM32单片机的四旋翼飞行器实验平台,实验结果表明该算法提高了姿态估计的跟踪精度以及非重力运动加速度干扰下的抗干扰能力。(本文来源于《高技术通讯》期刊2019年10期）
周围,张维,唐俊,王强[5]（2019）在《大规模MIMO系统中的并行共轭梯度软输出信号检测算法》一文中研究指出在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,当接收天线数远远大于发送天线数时,通信信道渐近正交,传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能,但随着收发天线数增加,MMSE检测算法涉及到高维的矩阵求逆运算,难以应用在实际生活中。因此,文中提出了一种低复杂度的并行共轭梯度软输出检测算法,该算法对传统的共轭梯度(Conjugate Gradient,CG)法进行改进,并行求解共轭方向和优化步长,在提高算法检测性能的同时还加快了算法的收敛速度;然后利用信道编译码中的比特对数似然比近似算法求解出软信息,进一步提升检测算法的性能。通过理论定量地分析了算法的复杂度,并通过仿真实验对不同检测算法在不同判决方式下的误码率性能和收敛速度进行了研究,结果表明:所提出的并行CG软输出检测算法在复杂度降低的情况下,仅需要少量次数的迭代,便能以较快的收敛速度达到近似最佳的MMSE线性检测性能。(本文来源于《南京邮电大学学报(自然科学版)》期刊2019年05期）
蔡访,丘志浪,苏适,朱燕杰,王海峰[6]（2019）在《基于图形处理器加速Wave-CAIPI重建的改进共轭梯度法》一文中研究指出Wave-CAIPI是一种利用多通道线圈和k空间螺旋轨迹采样来加速磁共振成像的新3D成像方法。然而,Wave-CAIPI采集的3D数据对于重建计算是巨大的。为了加速重建过程,该文使用基于图形处理器改进的共轭梯度算法实现了Wave-CAIPI重建,减少了重建时间。水模数据集和体内人脑数据集的实验表明,基于图形处理器的Wave-CAIPI重建可以获得与传统基于中央处理器的WaveCAIPI重建类似的图像结果,且重建效率显着提升。(本文来源于《集成技术》期刊2019年06期）
唐天国[7]（2019）在《一种求解无约束优化问题的新混合共轭梯度法》一文中研究指出在现有共轭梯度方法的基础上,提出一种新混合共轭梯度法来求解无约束最优化问题.该方法采用近似方法去逼近Hessen矩阵,克服了传统牛顿法求解Hessen矩阵中存在的计算量大等问题,并在强wolfe线搜索技术下给出该共轭梯度算法的全局收敛性证明.实验结果表明,与PRP(Polak-Ribiere-Polyak)方法和HYBRID(混合)方法相比较,该文提出的新混合共轭梯度算法的迭代时间少于前两者方法,说明该文方法可行、有效.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年09期）
刘胜楠,胡滨,刘娟[8]（2019）在《基于共轭梯度算法的光谱合成超构表面设计》一文中研究指出在研究基于硅基二氧化钛纳米柱对空间光场位相调制特性的基础上,结合菲涅尔衍射理论,提出了一种基于共轭梯度优化算法的超构表面设计方法。通过该方法,在可见光波段能够实现在任意衍射角度上对选取的波长进行滤波。衍射角分别为15°和30°,波长范围在400～780nm,对RGB叁色光波进行单波长滤波。数值模拟结果验证表明,所提算法得到的超构表面能在预定的衍射角下准确地产生目标强度谱。(本文来源于《光学技术》期刊2019年05期）
谢丽[9]（2019）在《一类修正的DL共轭梯度法》一文中研究指出共轭梯度法是求解无约束优化问题的一个非常有用的方法,基于DL共轭梯度法提出了一类修正的DL共轭梯度法—JHSDL方法.该方法相对于DL共轭梯度法具有一个更好的性质,即在标准Wolfe线搜索条件下搜索方向具有充分下降性且该方法也满足全局收敛性.(本文来源于《周口师范学院学报》期刊2019年05期）
白鹤,刘紫燕,张杰,万培佩,马珊珊[10]（2019）在《基于改进共轭梯度的大规模多输入多输出预编码》一文中研究指出针对大规模多输入多输出(Massive MIMO)系统下行链路预编码实现复杂、线性预编码矩阵求逆困难等问题,提出一种基于对称逐步超松弛预处理共轭梯度法(SSOR-PCG)的低复杂度预编码算法。该算法在共轭梯度(PCG)算法的基础上,采用对称逐步超松弛分裂(SSOR)算法对矩阵进行预处理以降低矩阵的条件数,达到提高预编码算法收敛速度、降低复杂度的目的。仿真结果表明:与PCG算法相比,所提出的SSOR-PCG预编码算法运行时间缩短约88.93%,在信噪比为26 dB时已收敛;与迫零预编码算法相比,所提算法迭代2次即可获得与迫零预编码算法相近的系统容量性能,复杂度降低约一个数量级,误码率降低约49.94%。(本文来源于《计算机应用》期刊2019年10期）
共轭梯度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于共轭梯度算法的简洁性和高效性,本文提出求解大规模非线性方程组模型的一种修正叁项共轭梯度算法。算法具有充分下降性、信赖域性质和全局收敛性。数值结果表明新算法比类似算法更具竞争力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
共轭梯度论文参考文献
[1].王欣,靳鸿,杨冀豫.基于共轭梯度下降法的RBF神经网络预测算法[J].探测与控制学报.2019
[2].胡午杰,袁功林.求解非线性方程组的一种叁项共轭梯度法[J].广西大学学报(自然科学版).2019
[3].陈贞晶.基于最小二乘修正的混合HS和DY共轭梯度法[J].重庆科技学院学报(自然科学版).2019
[4].付雷,章政,余义.基于动态权值共轭梯度的自适应互补滤波姿态估计算法[J].高技术通讯.2019
[5].周围,张维,唐俊,王强.大规模MIMO系统中的并行共轭梯度软输出信号检测算法[J].南京邮电大学学报(自然科学版).2019
[6].蔡访,丘志浪,苏适,朱燕杰,王海峰.基于图形处理器加速Wave-CAIPI重建的改进共轭梯度法[J].集成技术.2019
[7].唐天国.一种求解无约束优化问题的新混合共轭梯度法[J].西南师范大学学报(自然科学版).2019
[8].刘胜楠,胡滨,刘娟.基于共轭梯度算法的光谱合成超构表面设计[J].光学技术.2019
[9].谢丽.一类修正的DL共轭梯度法[J].周口师范学院学报.2019
[10].白鹤,刘紫燕,张杰,万培佩,马珊珊.基于改进共轭梯度的大规模多输入多输出预编码[J].计算机应用.2019
论文知识图
