列夫马尔

levmar:Levenberg-Marquardt非线性最小二乘算法在C/C++中这个站点提供了Levenberg-Marquardt优化算法的GPL本地ansic实现,也可以从C++、Matlab、Perl、Python、Haskell和Tcl中使用,并解释它们的用法。约束条件下的线性变元和Levenberg不等式都包含在约束条件下。Levenberg-Marquardt(LM)算法是一种迭代技术,它可以找到用非线性函数平方和表示的函数的局部最小值。它已成为非线性最小二乘问题的标准方法,可以看作是最速下降法和高斯-牛顿法的结合。当当前解与正确解相差甚远时,该算法表现为最速下降法:缓慢,但保证收敛。当当前解接近正确解时,它就变成了高斯-牛顿法。


zbMATH参考文献(52篇文章引用)

显示第1到第52个结果。
按年份排序(引用)
  1. Abubakar,Auwal-Bala;Kumam,Poom;Mohammad,Hassan:非线性单调方程的谱梯度投影法及其应用(2020)
  2. Ahookhosh,Masoud;Aragón Artacho,Francisco J.;Fleming,Ronan M.T.;Vuong,Phan T.:Hölder metric分区域下Levenberg-Marquardt方法的局部收敛性(2019年)
  3. Fischer,Andreas;Izmailov,Alexey F.;Solodov,Mikhail V.:具有非孤立解的约束方程和互补问题的牛顿型方法的局部吸引子(2019)
  4. 郭杰;万,钟:求解大规模单调方程的修正谱PRP共轭梯度投影法及其在压缩传感中的应用(2019)
  5. Ma,Xiang;Bi,Linfeng:一种用于实际历史匹配应用的鲁棒自适应迭代集成平滑方案(2019)
  6. 王朱军;蔡,李;苏,范;彭,珍:局部误差约束条件下的不精确仿射标度Levenberg-Marquardt方法(2019)
  7. Galli,Leonardo;Kanzow,Christian;scandrone,Marco:求解具有强收敛性的广义Nash均衡及相关问题的非单调信赖域方法(2018)
  8. Marini,Leopoldo;Morini,Benedetta;Porcelli,Margherita:约束非线性系统的拟牛顿方法:复杂性分析与应用(2018)
  9. Mohammad,Mutaz;Lin,En Bing:使用Daubechies和Coiflet紧框架系统的Gibbs效应(2018)
  10. Morini,Benedetta;Porcelli,Margherita;Toint,Philippe L.:约束非线性系统的近似范数下降方法(2018)
  11. 塞拉,戴安娜;鲁吉罗,法比奥;萨蒂奇,艾库特C.;利皮耶罗,文琴佐;西西里亚诺,布鲁诺:机器人击球任务的最佳时间路径(2018)
  12. Cui,Yiran;del Baño Rollin,Sebastian;Germano,Guido:Heston随机波动率模型的全面快速校准(2017)
  13. 党亚正;刘文文:非线性方程组约束的非单调投影方法(2017)
  14. 2017;Hastus,Linger;材料识别
  15. Andreani,R.;Júdice,J.J.;Martinez,J.M.;Martini,T.:具有互补约束的可行性问题(2016年)
  16. Bellavia,Stefania;Morini,Benedetta;Riccietti,Elisa:不适定非线性系统的自适应正则化及其信赖域实现(2016)
  17. Gonçalves,Douglas S.;Santos,Sandra A.:应用于二次剩余问题的高斯-牛顿模型光谱校正的局部分析(2016)
  18. 王鹏;朱,茶桶:局部误差约束下线性不等式约束非线性系统的不精确无导数Levenberg-Marquardt方法(2016)
  19. Wang,X.Y.;Li,S.J.;Koo,Xi-Peng:求解带凸约束的单调非线性方程的自适应三项共轭梯度法(2016)
  20. Ziggah,Yao Yevenyo;Youjian,Hu;Yu,Xianyu;Basommi,Laari Prosper:人工神经网络将大地坐标((\phi,\lambda,h))正向转换为笛卡尔坐标((X,Y,Z))(2016)