GradDescent：多元线性回归的梯度下降算法的MATLAB实现

matlab梯度下降，能运行，求函数极值，适合初学者，有详细解释

这是一个matlab对梯度下降的实现，模拟的是x^2+y^2最小值的取得

Matlab用梯度下降算法开发的rbf神经网络曲线拟和程序-用梯度下降算法开发的rbf神经网络曲线拟和程序.rar 用梯度下降算法开发的rbf神经网络曲线拟和程序

如题，机器学习_梯度下降算法实现。 包括测试数据。

随机并行梯度下降（SPGD）算法已被证明是一种较为有效的像清晰化系统控制算法，具有不依赖波前传感器直接对系统性能指标进行优化的特点。其控制参数增益系数和扰动幅度决定了算法的收敛速度以及收敛稳定性。参数取值范围较窄，超出范围将导致收敛后期的震荡，或者较慢的算法收敛速度。研究了算法增益系数和扰动幅度对校正效果和收敛速度的影响，提出了一种参数自适应优化的方法。基于52单元变形镜、位置敏感传感器等器件建立了SPGD控制算法的像清晰化实验平台，验证该方法的有效性。实验结果表明，该方法扩展了参数取值范围，提高算法收敛速度的同时具有较好的收敛稳定性。

机器学习；梯度下降；批量梯度下降；BGD；

梯度下降PPT，从优化算法的发展历史来看梯度下降及其变体在机器学习中的作用，从最基础的优化讲起，逐渐深入，最后以简单的例子区分梯度下降家族各个成员。

GPUSGD：一种用于矩阵分解的GPU加速的随机梯度下降算法

随机并行梯度下降算法(SPGD)是一种基于直接性能指标优化的相位控制方法, 在自适应光学中有较好的适用性。该算法主要包含增益系数和随机扰动幅度两个可变参数, 其取值对算法收敛性有很大的影响。对双边SPGD算法实现收敛时参数的取值要求进行研究, 结合算法原理分析了算法参数的取值范围, 并通过大量仿真实验找出所有使双边SPGD算法收敛的增益系数和随机扰动幅度值; 得到随机扰动幅度的取值下限, 理论和仿真分析了下限存在的原因及取值; 在相干合成中存在相位噪声, 研究了不同相位校正器参数的情况下可使算法收敛的参数的取值范围。