导读:本文包含了共轭梯度法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,收敛性,方程组,磁共振,等式。
共轭梯度法论文文献综述
胡午杰,袁功林[1]（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[2]（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）
蔡访,丘志浪,苏适,朱燕杰,王海峰[3]（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[4]（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）
谢丽[5]（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）
王松华,黎勇,吴加其[6]（2019）在《一种新型线搜索下的修正3项LS谱共轭梯度法》一文中研究指出基于经典非线性谱共轭梯度法和3项共轭梯度法,在Yuan等提出修正3项PRP共轭梯度法的基础上,提出了一种求解大规模无约束优化问题的非线性修正3项LS谱共轭梯度法.该方法不依赖任何线搜索,具有充分下降性.在适当条件下,新方法在Yuan等提出的新型非精确线搜索下具有全局收敛性.初步的数值试验结果表明,新方法对给定的测试函数是有效和稳定的,比传统LS方法和3项LS方法更有效.(本文来源于《安徽大学学报(自然科学版)》期刊2019年04期）
杨道静[7]（2019）在《基于共轭梯度法的全变差盲图像去模糊仿真》一文中研究指出为解决当前方法盲图像去模糊视觉效果较差、原始图像细节特征丢失的问题,提出了基于共轭梯度法的全变差盲图像去模糊方法。该方法利用shock滤波器从模糊目标图像中预测清晰边缘梯度和模糊边缘梯度,模拟目标图像质量退化过程,将预测得到的清晰边缘梯度作为先验知识,采用尺度策略实现运动模糊核的估计;采用共轭梯度法将目标图像的共轭性与图像已知像素点的梯度值构成一组共轭方向并沿着该方向进行全局搜索,实现误差代价函数的极小值迭代求解;在此基础上,将二阶差分最小化约束条件加入到求解目标盲图像误差代价函数极小值中去,采用全变差正则化方法,将目标盲图像去模糊问题转换为频域滤波问题处理。仿真结果表明,提出方法有效提高了去模糊后图像的峰值信噪比,视觉效果与原始测试图像结构信息基本一致,同时提升了图像的去模糊效率。(本文来源于《计算机仿真》期刊2019年07期）
许春玲,孙颖异,李健,孙中波[8]（2019）在《一类线性等式约束优化的投影Dai-Yuan共轭梯度法及其全局收敛性》一文中研究指出针对具有等式约束的非线性最优化问题,提出了一类具有充分下降特性的投影Dai-Yuan共轭梯度法.在每次迭代过程中,算法均可得到充分下降的搜索方向.在适当条件下,证明了算法产生的搜索方向为可行下降方向,分析了算法的全局收敛性.数值结果表明算法是可行的、有效的.(本文来源于《东北师大学报(自然科学版)》期刊2019年02期）
王景刚[9]（2019）在《一个具有充分下降性质的共轭梯度法》一文中研究指出通过逼近无记忆BFGS方法,提出了一个新的共轭梯度法,该方法不依赖线搜索具有充分下降性质.此外,还建立了该方法在标准Wolfe线搜索下对于一致凸函数及一般函数的全局收敛性.(本文来源于《湖北民族学院学报(自然科学版)》期刊2019年02期）
黎勇,李智群[10]（2019）在《一种求解大规模非光滑优化问题的共轭梯度法》一文中研究指出针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.(本文来源于《华中师范大学学报(自然科学版)》期刊2019年03期）
共轭梯度法论文开题报告
（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：
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。
（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。
共轭梯度法论文参考文献
[1].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
[2].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
[3].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
[4].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
[5].谢丽.一类修正的DL共轭梯度法[J].周口师范学院学报.2019
[6].王松华,黎勇,吴加其.一种新型线搜索下的修正3项LS谱共轭梯度法[J].安徽大学学报(自然科学版).2019
[7].杨道静.基于共轭梯度法的全变差盲图像去模糊仿真[J].计算机仿真.2019
[8].许春玲,孙颖异,李健,孙中波.一类线性等式约束优化的投影Dai-Yuan共轭梯度法及其全局收敛性[J].东北师大学报(自然科学版).2019
[9].王景刚.一个具有充分下降性质的共轭梯度法[J].湖北民族学院学报(自然科学版).2019
[10].黎勇,李智群.一种求解大规模非光滑优化问题的共轭梯度法[J].华中师范大学学报(自然科学版).2019
论文知识图
