第五章 梯度优化算法:梯度优化算法5.1梯度优化算法的基本原理:梯度优化算法的基本原理
5.2几种常见梯度优化算法:几种常见梯度优化算法
5.3迭代步长的线性搜索算法:迭代步长的线性搜索算法
5.4梯度法实现中的其他问题:梯度法实现中的其他问题
[多选题]下列属于解决非线性反问题的线性化方法有( )。

选项:[梯度法
, 广义逆法
, 泰勒级数展开法
, 参数代换法
]
[多选题]最优化问题的收敛准则(迭代终止准则)可以是( )。

选项:[目标函数值等于零
, 目标函数梯度充分接近于零
, 目标函数下降充分小
, 自变量改正量充分小
]
[单选题]最速下降法是以目标函数的梯度方向作为搜索方向来寻找目标函数极小值的。( )。

选项:[对, 错]
[单选题]牛顿法只利用了目标函数的二阶导数信息,比最速下降法(只用一阶导数,即梯度)有更好的效果。( )。

选项:[对, 错]
[单选题]Levenberg-Marquardt(LM)方法是通过将Hessian矩阵进行修正,结合了最速下降法和牛顿法的优点。( )。

选项:[对, 错]

温馨提示支付 ¥3.00 元后可查看付费内容,请先翻页预览!
点赞(0) dxwkbang
返回
顶部