牛顿法使用Hessian和Gradient的信息(即凸度和斜率)来计算最佳点。对于大多数二次函数,它只需一次搜索或2次迭代即可返回最佳值,这甚至比共轭梯度法还快。但是,在某些情况下,对于高阶函数或非二次函数,该方法可能会发散或收敛到非最小固定点。为了保证最低限度的收敛,经常使用预处理器。预处理器限制步长,从而增加了计算量,但确保了最小的解决方案。
代码获取标签:变量,二次,牛顿,最小,处理器,收敛,函数 来源: https://blog.csdn.net/update7/article/details/110525465
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。