程序使用软件为MATLAB2020ｂ，test_wwp和test_mwwp分别为WWP线搜索和MWWP线搜索下的测试结果。需要在wwp和mwwp里选择使用PRP和Dai-Yuan共轭梯度法两者之一。使用两种新型算法对典型的无约束优化问题进行了数值分析。

两层隐含层BP神经网络，梯度下降法，反向权值更新

输入一片点云，根据程序可以先求出其DSM图像，并根据DSM的高程值，求出其梯度方向，并用quiver画方向最终以箭头显示。

计算神经网络的梯度方法。是中文内容。 单独计算神经网络中一个参数的梯度是一个很好的练习方式（比如： 权值矩阵中的一个元素），但实际中，这样的计算方式的速度慢得令人发 指。因此，我们需要以向量或矩阵的形式来计算

图像的质量评价评价指标，均方根误差、交叉熵、信息熵、平均梯度的计算

import numpy as np import matplotlib.pyplot as plt # 算法应用，单变量线性回归&梯度下降：已知如下数据集，绘制出数据集的散点图并给出能够和所有散点拟合出最好的一条直线 # 预测函数 def getHypo(X, theta): return np.dot(X, theta) # 代价函数 def getCost(h, y): m = len(h) return (1.0 / 2*m) * np.sum(np.square(h - y)) # 梯度下降 def getGraDesc(X, y, aplha = 0.001

海洋声学中生成声速梯度的程序。 第二节和第三节分别生成完整声道和非完整声道

MATLAB实现共轭梯度法MATLAB实现共轭梯度法MATLAB实现共轭梯度法

计算f=x^2+y^2最小值，自己刚入门编写的程序，上传到这里等一个指导，同时当作自己的编程日记

Pytorch：基于像素梯度的深度学习（HOG + CNN） 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比，精度更高。 Pytorch实现为自定义的torchvision.transforms 。 像素渐变阵列 图像的梯度方向是图像处理中的基本组成部分之一，并且经典用于“定向直方图（HOG）功能”，这是最成功的描述符之一。 该存储库是将其带入深度学习领域的建议： 制作量化像素渐变的3维数组（=“像素渐变数组”）。 使用像素梯度阵列作为深度学习模型（例如CNN）的输入。 像素渐变阵列的生成总结如下。 评估 通过使用MNIST数据集进行图像分类。 有关更多详细信息，请参见demo_mnist.py。 结果 火炬实施 如何在pytorch模型中实现像素渐变阵列。 步骤1：必要的模块 import numpy as n