梯度下降法编写ANN代码（matlab），能用于进行负荷预测等工作。

当复线性方程组的规模较大或系数矩阵的条件数很大时，系数矩阵易呈现病态特性，双共轭梯度法存在不收敛和收敛速度慢的潜在问题，采用适当的预处理技术，可以改善矩阵病态特性，加快收敛速度。从实型不完全Cholesky分解预处理方法出发，构造了一种针对复线性方程组的预处理方法，结合双共轭梯度法，给出了一种预处理双共轭梯度法。数值算例表明该算法求解速度快，可靠高效，能够应用于大型复线性方程组的求解。

目录 过拟合、欠拟合及其解决方案 训练误差和泛化误差 过拟合和欠拟合的概念 模型复杂度和误差之间的关系 解决过拟合的方案 梯度消失及梯度爆炸 循环神经网络进阶 GRU LSTM 深度神经网络 过拟合、欠拟合及其解决方案 训练误差和泛化误差        在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函

针对现有立体匹配算法对噪声敏感、易失真、在视差不连续区域与弱纹理区域误匹配率高的问题, 提出一种改进Census变换与梯度融合的多尺度立体匹配算法。采用支持窗口内所有像素的加权平均灰度值作为Census变换的参考值, 将Census代价与由水平和垂直方向归一化结合的梯度代价进行加权融合, 通过设置噪声容限获得稳定的代价, 提高了单像素匹配代价的可靠性；在多分辨率尺度下, 采用改进引导滤波算法完成对匹配代价的聚合；通过视差提取获得视差图。实验结果表明, 该算法在Middlebury测试平台上对标准立体图像对的平均误匹配率为4.74%, 对27组扩展立体图像对的平均误匹配率为8.67%。该算法使得视差不连续区域与弱纹理区域的误匹配率进一步降低, 且对噪声和光照等干扰表现出较好的稳健性。

加速近端梯度法常用于优化求解机器学习中的非平滑凸优化问题，比起近端梯度法具有收敛速度快的优势

自己写的基于梯度重心法写的线结构光条纹中心提取算法，并附参考论文，主要解决了光条纹高频噪声影响，灰度非正态分布影响。

作为有效的智能控制方法之一，迭代学习控制的基本机理是利用系统当前次的跟踪误差补偿其控制输入以产生系统下次运行的控制输入，使得系统输出逐渐逼近理想轨线，直到达到完全跟踪。随着信息技术的不断发展，迭代学习控制可网络化实现，称之为网络化迭代学习控制。然而，在网络化迭代学习控制执行过程中，数据通过网络传输时可能会发生丢包或时延现象。为了确保系统的正常运行，我们必须对丢包数据做适当估计。本文利用函数逼近方法对丢包数据进行估计，分析网络化迭代学习控制系统的跟踪性能。 首先，本文阐述了迭代学习控制及网络控制的基本概念和原理，分析了其优越性，列举了它们在工程领域的重要应用，阐明了迭代学习控制策略在网络化实现过程中产生数据丢包的原因及其严重影响，指出了对丢包数据进行估计的必要性。为了便于分析问题，本文给出了网络丢包数据的函数逼近策略的数学描述，分析了各种逼近方法的优劣性。分析表明，三次样条插值和最小二乘拟合逼近策略更适合于实际控制问题。 其次，论文引入矩阵级数的概念，利用向量和矩阵范数理论，推演了经典的PD-型迭代学习控制律施加于无直馈线性离散时不变系统的收敛性，并分析了经典的P-型和PD-型迭代学习控制律施加于具有直馈线性离散时不变系统的的收敛性，得到了系统输出和理想轨线的关系式。 再次，本文分别就前述三种收敛情形，在网络数据发生丢包的前提下，分析了基于函数逼近的P-型和PD-型网络化迭代学习控制律的跟踪性能；此外，本文对网络化迭代学习控制系统进行了超向量形式表示，分析了网络化梯度型和广义梯度型迭代学习律的收敛性态，比较了两种学习律的收敛速度。之后给出了以上几种网络化迭代学习律的渐近跟踪误差的上极限与丢包率和逼近误差的关系式。数值仿真进一步验证了基于函数逼近方法对丢包数据进行估计的有效性。 最后，论文总结了本文的主要工作，提出了可利用提高网络通讯质量和数据估计精度以改进系统跟踪性能的建议，并展望了进一步的研究工作。 本资源包含1片论文，供大家学习参考。

针对核相关滤波(KCF)算法在每一帧都更新的策略使其不能有效处理目标快速运动及干扰的问题, 提出了一种基于增强阈值更新的核相关目标跟踪方法。其在平均峰值相关能量(APCE)的基础上, 采用将APCE阈值与APCE梯度阈值相结合的方法来判断跟踪结果的可靠性, 以决定模型是否更新。其中将APCE阈值反向加强, APCE梯度阈值正向加强, 当APCE和APCE梯度都高于各自阈值时更新, 否则停止更新。通过定量及定性实验表明, 相对于KCF算法对目标快速运动及干扰等问题的处理, 该算法更加有效, 提出的以梯度检测跟踪性能及阈值增强的思想对跟踪算法的设计有很好的参考价值。

housing data 数据集 用于梯度下降以及线性规划

行业-电子政务-医用钛表面制备羟基磷灰石氧化锆梯度涂层的电化学方法.zip