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

共轭梯度法，最速下降法，共轭方向法与众多优化方法的直观理解。华南理工大学---最优化

最优化算法之共轭梯度算法求解非线性规划问题，代码运行稳定

绍了一套用于肺呼吸过程电阻抗实时成像的16电极EIT系统，描述了该系统的软硬件设计、系统性能测试及利用共轭梯度算法进行成像试验。在盛有盐水的实验水槽上进行了有机玻璃棒的动态成像实验，结果表明该系统能够对动态目标进行准确识别。采集志愿者呼吸过程的数据，并对肺呼吸图像重建中胸腔模型对成像质量的影响进行了对比试验，最终获得了清晰的肺部呼吸过程的图像，为深入开展肺功能评价研究及呼吸过程的床旁监护等需求奠定了可靠有效的硬件基础。

该文件以三阶实对称正定系数矩阵A为例，实现了共轭梯度法（极小化方法）求解Ax=b。可扩展到任意维数。 【注】：资源购买后，如果发现中文注释乱码，请第一时间私信我解决。

使用共轭梯度法求解 Ax=b。 矩阵 A 应该是对称的和正定的。 用法（在 m 文件末尾提供示例）： x=cgm(A,b); 如果矩阵稀疏，值得一试： x=cgm(稀疏(A),b);

共方方法matlab代码实现SPI 一组用于单像素成像 (SPI) 的不同重建算法。 如果您有任何问题，请随时联系卞立恒 如果此代码为您的研究提供帮助，请引用我们的出版物： 卞立恒、索金利、戴琼海和陈峰，“单像素成像算法的实验比较”，美国光学学会会刊 A，2017 年，第 2 卷。 35，没有。 1，第 78-87 页。 具有不同重建方法的单像素成像 (SPI) 代码演示，包括 [1] 差分重影成像 (DGI) [2] 梯度下降（GD） [3] 共轭梯度下降（CGD） [4]泊松最大似然（Poisson） [5] 交替投影（AP） [6] 稀疏表示压缩感知（Sparse） [7] 全变分压缩感知（TV） 公开发布 v3.0（2017 年 10 月 24 日） 内容 注意：在运行代码演示之前，请将 Matlab 当前文件夹更改为“../Code_SPI_pkg_3.0”。 ***************** 主功能 ********************* *) Demo.m ：此演示使用不同的重建方法进行单像素成像的模拟。 ******************** 重建函数 ****

主要介绍了python实现的共轭梯度法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧