采用共轭梯度法进行非线性反演，根据目标函数可直接反演出所求参数

共轭梯度法中搜索步长是通过某种搜索策略得到，许多情况下的收敛速度较慢。为了加快其收敛速度，提出了通过引入具有“先验知识”的神经网络对共轭梯度算法中的搜索步长进行控制。实验结果表明，该模型实现的共轭梯度法对于加快收敛速度有效。

基于自适应Barzilai-Borwein步长的直接搜索共轭梯度法.pdf

建立稳态传热反问题中边界条件多宗量反演的求解模式,导出了敏度计算公式,应用改进的共轭梯度技术进行求解,探讨了测点配置和测量误差对反演结果的影响.数值计算给出了令人满意的结果.

FR共轭梯度法，输入目标函数、初始点、精度，能够得到整个求解过程，每一步迭代的结果都能打印出来，方便初学者学习，跟教材完全对应。

用共轭梯度法实现求解线性方程组。 可以用来求解一般的线性方程组方程，程序清晰易懂。

适合初学用matlab编写共轭梯度法

针对目前焦炭质量预测线性方法的现状及不足,建立了共轭梯度法优化的BP神经网络焦炭质量预测模型。该模型既能满足焦炭质量预测的非线性关系,又克服了神经网络收敛速度低、易陷入局部极小值的缺点。模型的实例验证分析表明,共轭梯度法优化的BP神经网络焦炭质量预测模型有较好的适应性和预测精度,具有一定的实际应用价值。

三个课堂作业 分别用阻尼牛顿法 共轭梯度法 鲍威尔法求极小值 附带MATLAB源程序

x0=[1;1];%初始点 xk=x0; g0=zeros(2,1); g1=zeros(2,1); g2=zeros(2,1); d0=zeros(2,1); d1=zeros(2,1); syms x1 syms x2 xk1=xk; % 计算xk点的梯度及梯度值 fun=fun(x1,x2); fx1=diff(fun,'x1'); fx2=diff(fun,'x2'); fun=inline(fun); fx1=inline(fx1); fx2=inline(fx2); funval=feval(fun,xk1(1),xk1(2)); gradx1=feval(fx1,xk1(1),xk1(2)); gradx2=feval(fx2,xk1(1),xk1(2)); % 计算搜索方向d0 d0(1)=-gradx1; d0(2)=-gradx2; g0(1)=gradx1; g0(2)=gradx2; % 沿搜索方向d0进行一维搜索