对于一个学校项目，我需要评估一个不同学习率的神经网络。我选择了sklearn来实现神经网络(使用MLPRegressor类)。由于训练数据非常小(20个实例、2个输入和1个输出)，所以我决定使用lbfgs求解器，因为像sgd和adam这样的随机求解器对这种大小的数据没有意义。
该项目要求测试不同学习率的神经网络。但是，根据文档，lbfgs解决程序是不可能的：
learning_rate_init双倍，default=0.001初始学习率使用。它在更新权重时控制步长。只有当求解者=‘sgd’或‘adam’时才使用。
有什么方法可以让我以某种方式访问lbfgs解算器的学习速度并对其进行修改
浏览 4提问于2020-03-28得票数 1
回答已采纳
2回答
对于深度神经网络(DNN)的训练，Hessian-Free (HF)优化技术与梯度下降(例如随机梯度下降(SGD)、间歇梯度下降(SGD)、自适应梯度下降)比较如何？
在什么情况下，人们应该更喜欢高频技术，而不是梯度下降技术？
浏览 3提问于2015-07-22得票数 2
回答已采纳
我知道Python在scipy.optimize.minimize中有以下求解器
Nelder-Mead
Powell
CG
BFGS
Newton-CG
L-BFGS-B
TNC
COBYLA
SLSQP
trust-constr
dogleg
trust-ncg
trust-exact
trust-krylov
然而，它们都是相似的，哪种方法最接近R的nlminb
浏览 1提问于2018-08-17得票数 1
回答已采纳
Python scipy.optimize.minimize函数支持以下方法：
尼尔德-米德
鲍威尔
CG
BFGS
牛顿-CG
B
TNC
科比拉
SLSQP
信任度
狗腿
信托-ncg
信任度
信托-克里洛夫
哪种方法最接近R的nlminb
浏览 0提问于2018-08-09得票数 2
回答已采纳
我在一篇文章中读到，像DFP和BFGS这样的准牛顿法在处理病态问题时表现不佳，但我不明白其中的原因。我一直在尝试使用这些方法来处理一个病态的二次问题，它不会在p+1迭代中收敛(这是二次问题的拟牛顿方法的特性之一)，但还有一点。为什么会这样呢？谢谢你的帮助。
浏览 7提问于2018-11-25得票数 1
我正在尝试对glibc的函数的软件实现有一个很好的理解。代码没有很好的文档化。
有没有人能把我引向这里所用的方法。我至少需要它的名称，这样我就可以查找它，并尝试将它投影到代码上。
浏览 1提问于2017-05-02得票数 0
1回答
牛顿法与消失梯度
、、
我阅读了关于消失梯度问题的文章，其中指出可以使用基于ReLu的激活函数来纠正这个问题。
现在我无法理解，如果使用基于ReLu的激活函数来解决这个问题，那么为什么会有这么多的研究论文建议将牛顿方法作为深度学习的优化算法而不是梯度下降？在阅读研究论文时，我有强烈的印像，认为消失梯度问题是提出这些建议的核心原因，但现在我感到困惑的是，如果能修改梯度下降法来纠正机器学习过程中面临的所有问题，是否真的需要牛顿法。
浏览 0提问于2019-03-20得票数 3
回答已采纳
5回答
我知道梯度下降是做什么的。基本上，它试图通过缓慢向下移动曲线来朝着局部最优解移动。我想知道平面梯度下降法和牛顿法的实际区别是什么？
从维基百科上，我读到了这样一句简短的话：“牛顿的方法使用曲率信息来选择更直接的路线。”直观地说，这意味着什么？
浏览 3提问于2012-08-22得票数 68
回答已采纳
2回答
我知道神经网络可以使用梯度下降进行训练，我知道它是如何工作的。 最近，我偶然发现了其他训练算法:共轭梯度算法和准牛顿算法。我试图理解它们是如何工作的，但我能得到的唯一好的直觉是它们使用了更高阶的导数。 我的问题如下:我提到的那些替代算法与通过使用损失函数的梯度调整权重的反向传播过程有根本不同吗？如果没有，是否有一种算法可以训练一个与反向传播机制完全不同的神经网络？ 谢谢
浏览 39提问于2019-03-22得票数 6
回答已采纳
1回答
为了加快SARIMAX模型的训练时间，我第一次使用线程库。但是代码始终失败，出现了以下错误
Bad direction in the line search; refresh the lbfgs memory and restart the iteration.
This problem is unconstrained.
This problem is unconstrained.
This problem is unconstrained.
以下是我的代码：
import numpy as np
import pandas as pd
from statsmodels.tsa.arima_
浏览 11提问于2017-09-10得票数 5
可能是一个很小的问题，但我只想更清楚。根据现有的文献和中的讨论，这两种方法都涉及到计算一个导数，然后向最小方向移动。在简单梯度下降法的情况下，我们只计算一阶导数；在牛顿法中，我们计算二阶导数和恒心导数，并应用于向量。此外，牛顿/s方法中向量的更新可能并不总是沿(-ive)梯度方向进行。
此外，对于给定的函数f(x)，这两种方法都试图寻找满足f'(x) = 0的最小值；在梯度下降法中，目标是argmin f(x)，而在牛顿法中，目标是f‘(X)=0。另一个区别是停止准则，在梯度下降法中，f'(x) = 0，而在牛顿法中，它是f(x)=0。
基于上述论点，是否有理由说牛顿方法是基于
浏览 7提问于2020-01-18得票数 0
回答已采纳
4回答
说到巨大的数字，我的意思是如果你取一个千兆字节(而不是4/8字节等)并尝试将其加/减/乘/除以一些其他任意大(或小)的数字。
加法和减法相当简单(一次1k/m/字节)：
out_byteN = a_byteN + b_byteN + overflowBit
因此，对于每个字节，我可以在从磁盘读取数字时进行加/减操作，而不会有耗尽RAM的风险。
对于乘法/除法，只需在循环中执行上述操作。
但是取一个大数字的n次根呢？
浏览 0提问于2010-10-09得票数 4
回答已采纳
3回答
对于这个问题，我所知道的唯一算法是牛顿方法(猜测，然后改进它，直到它足够好)。
还有其他想法(使用任何你喜欢的语言)吗？
附言:当然，我对此没有任何用例，我只是出于学术原因对其进行研究。
浏览 2提问于2009-03-26得票数 3
回答已采纳
在Andrew的机器学习教程中，他采用错误函数的一阶导数，然后向导数的方向迈出一小步，以求最小值。(基本上是梯度下降)
在“统计学习手册”中，找到了误差函数的一阶导数，并将其等效为零，然后用数值方法求出了根(这里是牛顿拉夫森)。
在论文中，这两种方法都应该得到相似的结果。但从数字上看，它们是不同的，还是一种方法比另一种方法更好？
浏览 0提问于2020-03-15得票数 3
回答已采纳
我在寻找一种快速算法来求解3个未知变量上的N个多项式方程组。也就是说，给定3个函数，F0(x,y,z), F1(x,y,z)... FN(x,y,z)，我想找到x, y, z这样的F0(x,y,z) = F1(x,y,z) = ... = FN(x,y,z) = 0。
我试着在几个不同的地方找到解决方案，但我只能在代数几何学或密码学等主题上找到非常高级的论文。不过，我需要的是一个简单/快速的算法，它返回一个快速的数值解。有这样的算法吗？
浏览 7提问于2015-01-11得票数 3
回答已采纳
1回答
平方根查找算法的数学证明
、、、
有人能解释一下以下代码的数学正确性，以在C++中找到正数的平方根吗？
#include <iostream>
#include <cmath>
using namespace std;
int main(){
float a; cin>>a;
cout<<"Answer by Math library\n"<<sqrt(a)<<"\n";
//the following is the code for finding the square root of a p
浏览 6提问于2017-05-12得票数 0
我目前正在使用numpy创建一个多类分类器，并最终得到了一个使用softmax的工作模型如下：
class MultinomialLogReg:
def fit(self, X, y, lr=0.00001, epochs=1000):
self.X = self.norm_x(np.insert(X, 0, 1, axis=1))
self.y = y
self.classes = np.unique(y)
self.theta = np.zeros((len(self.classes), self.X.shape[1]
浏览 3提问于2020-12-08得票数 1
1回答
牛顿拉夫森方法的失效分析表明，“对于某些函数来说，某些起点可能进入无限循环，从而阻止收敛”。我希望在程序中保留一个检查，它是否进入了一个无限循环，是否使用了assert语句。如果它进入，那么程序将终止，说收敛是不可能的使用这个最初的猜测。如何在程序中检测到这个循环？代码：
int user_power, i=0, cnt=0, flag=0;
int coef[10]={0};
float x1=0, x2=0, t=0;
float fx1=0, fdx1=0;
void main()
{
printf("\n\n\t\t\t PROGRAM FOR NEWTON RAPH
浏览 2提问于2014-07-03得票数 1
1回答
我用gnls函数的nlme软件包来拟合曲线。当我试图知道它使用的是什么优化器时，我被定向到nlminb函数，它声明：
使用端口例程的无约束和盒约束优化。
我不知道什么是“端口例程”。它是一系列的优化算法，还是一种叫做“端口例程”的优化算法？
有人能至少告诉我一些“例行公事”中的名字吗？例如，“梯度下降”，“Levenberg-Marquardt”，还是“信任区域”？
提前谢谢！！
浏览 0提问于2018-03-20得票数 4
回答已采纳
1回答
我知道如何绘制(二维)“逃逸时间组”分形(Julia和Mandelbrot)，但我似乎无法得到Mobius变换或牛顿盆地的渲染。
我试图用同样的方法呈现它们(递归地使用每个像素'n‘次上的多项式方程)，但是我有一种感觉，这些分形是用完全不同的方法呈现的。莫比乌斯“变换”意味着图像必须已经存在，然后被转换成几何学，牛顿盆地似乎绘制了每个点，而不仅仅是落入一个集合中的点。
这些分形是如何绘制的？它们是否使用与Julia和Mandelbrot相同的迭代方法绘制？
我用的方程式：
Julia: Zn+1 = Zn^2 + C
其中Z是表示像素的复数，C是复数常量(正确)。
Mandelbrot
浏览 5提问于2014-11-12得票数 3
回答已采纳
1回答
简要说明：
rate函数计算达到未来值所需的rate。
nper -期间数(期间数) pmt -付款(每月或每年) pv -现值(初始金额) fv -未来值(要达到的金额)
问题：
我已经使用了函数率(php代码如下)，我有一些问题。我将它与以下值一起使用：
不对
Excel - RATE(228;-196,02;-49005;961546,464646;1;0,05) gives: 0,0119
Php - RATE(228,-196.02,-49005,961546.464646,1,0.05) gives: 0.0022
好的
Excel - RATE(228;-196,02;
浏览 1提问于2011-08-15得票数 3
1回答
我有一组数据(以ArrayCollection格式)，在以LineChart格式显示之前，我需要对它拟合一个幂函数{ f(x)= B+ x^alpha }。因此，我需要alpha和B参数。
如何使用Flex做到这一点？
浏览 2提问于2010-06-06得票数 0
回答已采纳
我一直在尝试弄清楚如何使用Python来查找根。如果我没理解错的话，scipy.optimize.newton(f，x_o)可以用来找根，f是一个函数，x_o是在根上的初始猜测。
我使用的函数都是多项式，出于我曾经使用Python (插值和直线拟合)的目的，用一个系数数组来表示一个多项式总是足够的。以这种方式定义f会给我一个numpy.ndarray错误，我假设这是因为我给出的f是一个数组，而牛顿(f，x_o)期望f是一个函数。
我对Python缺乏经验，当我遇到这个问题时，我意识到我实际上不知道如何定义f，除非定义另一个变量，将它限制在一个区间内。对于某些任意多项式，例如f= 2x^2 +
浏览 1提问于2015-03-24得票数 0
我有一个列日期，现金，利率，名字的数据。当我尝试按名称分组时，我能够找到XIRR的值，但是当我尝试按速率分组时，错误出现如下
文件"C:\ProgramData\Anaconda3\lib\site-packages\scipy\optimize\zeros.py"，第519行，以brentq r= _zeros._brentq(f，a，b，xtol，rtol，maxiter，args，full_output，disp)为单位
ValueError: f(a)和f(b)必须有不同的符号“
def xnpv(rate, values, dates):
if
浏览 1提问于2018-12-05得票数 2
我想解决以下问题：
x* = argmin f( max_{j=1，.，J} g_j(x))，
其中f和g_j是已知的光滑凸函数，x是标量。我还有f和g_j的分析梯度。是否可以使用fminunc (使用牛顿方法)或在MatLab中的另一个求解器来寻找解决方案？显然，max_{j=1,...,J} g_j(x)是不可微的(除非有一个k，使g_k(x) >= g_j(x)适用于所有的j)，但它是子可微的。因此，我不能直接使用fminunc，因为它要求目标函数的梯度。如果我可以使用fminunc，我将如何进行？
例如，以f(x) = x、J=1,2、g_1(x) = (x-1)^2、g
浏览 2提问于2016-11-29得票数 1
回答已采纳
1回答
我正在使用一个函数(NEQNF )，我使用
call neqnf(SYSTEM_OF_EQUATIONS, x, xguess=x_GUESS, itmax = 10000)
其中SYSTEM_OF_EQUATIONS是包含等式的子例程
f(1)=...x(2)...x(1)...
f(2)=...x(1)...x(4)...
f(3)=...x(3)...x(4)...
f(4)=...x(1)...x(5)...
f(5)=...x(1)...x(5)...
来自Fortran上的IMSL库，它允许我在五个方程中解决具有五个未知数的非线性系统。因为存在多个解决方案(求解我的系统的两个五个数
浏览 1提问于2015-07-16得票数 0
我想知道Word2Vec是如何构建的。
我读过一些教程，简单地说，我们可以训练一个跳过克神经网络模型，并使用训练成单词向量的权重。
然而，我也看到了这张照片：
📷
如果正确读取此图表：
1) CBOW模型和Skip图模型都有一定的输入。
2)将CBOW的输出作为中间神经网络的输入。
3)将跳过图的输出作为中间神经网络的输出。
CBOW的输出是对给定上下文的中心词的预测，跳跃图的输出是对周围中心词的预测。
然后利用这些输出来训练另一组神经网络。
因此，我们首先训练CBOW，然后再训练中间神经网络？而对中间神经网络的输入是一种热点编码。
以上解释正确吗？
浏览 0提问于2017-06-12得票数 6
回答已采纳
2回答
我正在写一个类，它有一个数学函数作为属性，比如f。
F是：
定义在实际段-w;+w上
上有实H的正有界
偶数(对于-w;+w中的所有x，f(x)=f(-x))和f(w)=f(-w)=0
-w;+w上的可微性及其导数在-w;0上是连续的
我的课看起来像：
from scipy.misc import derivative
from scipy.integrate import quad
from math import cosh, sqrt
class Function(object):
w = 1.
PRECISION = 1e-6
浏览 10提问于2016-05-04得票数 2
回答已采纳
有人知道反向传播和Levenberg-Marquardt在神经网络训练中的区别吗？有时我看到LM被认为是一种BP算法，有时我看到相反的情况。我们将非常感谢您的帮助。 谢谢。
浏览 23提问于2019-09-14得票数 0
program newton_raphson
implicit none
real,parameter::error=1e-4
integer::i
real::xo,x1,f,fd
print*,"Please enter the initial guess !!!"
read*,xo
i=1
10 x1=xo-(f(xo)/fd(xo))
if(abs((x1-xo)/x1)<error) then
print*,"root is", x1,"no. of ite
浏览 2提问于2016-05-31得票数 0
我正在尝试用MATLAB的bvp4c来调试我的“奇异雅可比”问题。我的问题是:哪些雅可比人正在被评估？我们有常微分方程y‘= f(x，y)的非线性系统。我假设f_i关于y_j的导数被放入一个矩阵中，并在y的某个值上求值。也许这个矩阵对于bvp4c算法来说应该是可逆的，尽管我发现该算法在不是这样的情况下是收敛的。
边界条件g(ya，yb) = 0的残差是什么？我假设g_i相对于ya_j的导数是取的。这给出了一个矩阵。此外，还可以求g_i相对于yb_j的导数。这也给出了一个矩阵。bvp4c会评估这些雅可比人吗？如果是这样，那么如果任何g不包含ya或yb，那么它们将始终是单数。有没有人能给我一些解释
浏览 16提问于2020-02-14得票数 0
我想要解一个接近0的函数。
我尝试在Scipy包中使用newton函数，但是公差似乎适用于输入，而不是输入的函数：
from scipy.optimise import newton
fn = lambda x: x*x-60
res = newton(fn, 0, tol=0.1, maxiter=10000)
print(res)
print(fn(res))
res接近0，fn(res)约为-60。看起来newton()停止了，因为它找到了两个x值，它们包围了解决方案，并且在公差范围内。
公差在x而不是fn(x)上是正确的吗？
这在我看来是很违反直觉的。
SciPy参考scipy.o
浏览 6提问于2021-10-11得票数 2
1回答
我正在努力实施一些现金流的内部回报率。
0= (c1/(1+r)) + (c2/(1+r)^2) + (c3/(1+r)^3) .就像公式，我们会找到根r。
在这一点上，我最终得到了一个名为finMath的java库。
它有一个名为net.finmath.rootfinder的包，包括这些类
BisectionSearch
NewtonsMethod
SecantMethod
到目前为止还可以。但是，当我试图使用我的公式时，没有任何方法期望我输入c1、c2、c3值作为列表。这些类实现的唯一方法是
double getAccuracy()
double getBestPoint()
浏览 6提问于2014-12-22得票数 0
回答已采纳
我试图计算ARM的APR (在javascript中)，但遇到了困难，我希望有人能把我引向正确的方向。这是我到目前为止尝试过的：
我得到贷款期限内支付的平均利率。例如:如果贷款在前24次付款中的利率为4%，然后在最后336次付款中的利率提高到6%。
AverageOverallRate = ( (4/12 * 24 ) + ( 6/12 * 336 ) / 360 ) * 12
这将使我的平均利率为5.866%
然后我试着取这个“平均利率”，并使用这个公式找出有效的APR (考虑复利)。
Math.pow( 1 + ( averageOverallRate / 12 ), 12) – 1
浏览 0提问于2013-04-09得票数 1
1回答
SGM视差亚像素估计-如何？
、、、、
几周前，我实现了一个简单的块匹配立体声算法，但是结果很糟糕。所以我在网上搜索寻找更好的算法。在那里，我发现了半全局匹配(SGM)，由海科赫什穆勒出版。它在处理时间上得到了最好的结果之一。
我已经实现了该算法，并获得了非常好的结果(与简单的块匹配相比)，如下所示：
我使用计算的视差值将2D点重投影到3D，结果如下
在SGM的末尾，我有一个数组，其中包含每个像素的累计成本。这一差距相当于成本最低的指标。
问题是，搜索最小值只返回离散值。这导致了点云中单独的层。换句话说:圆形表面被切割成许多层(见点云)。
海科在他的论文中提到，通过在代价数组中拟合一个多项式函数，并以最低点为视差，可
浏览 2提问于2015-11-09得票数 7
3回答
我想看看IPMs的几个实现。最好的语言是C/C++、Java或任何脚本语言(如python、perl )。其他人也很好。
我在寻找一个能帮助我的好资源，
优化技术基础，
内点法的基本原理及其与其他技术的基本区别，
IPMs的类型，
算法细节，以及
示例实现。
作为我的项目的一部分，我对此感兴趣，我将使用这些思想/逻辑来求解线性或二次方程系统。
如果你有任何关于上述资源的信息，请告诉我。
浏览 0提问于2011-05-10得票数 7
回答已采纳
我正在使用statsmodels的MLEModel类构建自定义stat空间模型，并使用.fit()方法对未知参数进行拟合。我认为这是使用期望最大化，但我不确定，我在文档中找不到这方面的任何提示。此外，.fit()方法的详细输出显示了单个优化的步骤，这使我更加怀疑。
如果它不使用EM，它在做什么？也许我在这里遗漏了什么，但我认为对于带有隐藏变量的模型(比如状态空间模型)，您不能直接最小化可能性(因为您不知道，也不观察隐藏的状态)。
谢谢你的建议
浏览 11提问于2021-04-19得票数 1
回答已采纳
1回答
对数算法
、、、
我需要计算任何底的对数，这并不重要，达到一定的精度。有没有解决这个问题的算法？我用Java编程，所以我对Java代码没意见。
也许能回答我的问题，但我不明白。它能被澄清吗？
浏览 1提问于2012-12-12得票数 40
回答已采纳
2回答
我的任务是创建一个基于网络的机器，用于使用线性规划技术解决现实世界中的问题，特别是目前Danzig的单纯形方法。考虑到这一点，我发现了一段相当巧妙的C++代码来计算结果，而且即使在这台特别低端的机器上也有相当快的速度。
但是，目前除了控制台输出本身之外，我没有其他任何东西来证明结果接近于给定问题的正确解决方案。这是一个问题，如果人们被要求相信这个结果，因为它比一些数字可以在电脑屏幕上闪现要重要得多。
我将不让您了解整个程序的全部细节，因为它相当长，但是下面是负责获取数据的函数，仅供参考：
void Data() {
double R1, R2;
char R;
int
浏览 8提问于2017-03-29得票数 0
回答已采纳
1回答
作为标题，在python中训练和测试了我的神经网络模型。
scipy中的SQP函数能用于神经网络回归问题的优化吗？
例如，我使用温度，潮湿，风速，这三个功能作为输入，预测能源在某些地区的使用。
所以我用神经网络来模拟这些输入和输出的关系，现在我想知道一些能量使用的最低点，输入特征是什么(即什么温度，潮湿，风种子是什么).This只是个例子，所以听起来可能不现实。
因为据我所知，没有多少人只使用scipy进行神经网络优化。但在某种程度上，scipy是我目前所拥有的最理想的优化工具(P.S.：我不能使用cvxopt)。
有人能给我一些建议吗？我会非常感激的！
浏览 1提问于2017-08-13得票数 4
回答已采纳
如果我有一个2维(x和y坐标)的1/仿射，2，或3阶多项式变换函数(即，我有系数/变换矩阵A)，那么得到这个函数的精确逆的数学或编程方法是什么？理想情况下，我将如何在Numpy中实现这一点？这是在图像扭曲或地图地理参照的背景下进行的，即在新的扭曲坐标系中，将输入图像中的坐标转换为输出图像。
尝试解决方案
为了解决这个问题，我尝试了一种求解方程组的矩阵代数方法。从数学上讲，转换过程表示为Au = v。正向变换很容易，其中计算u为列矩阵，其中包含基于输入坐标的多项式方程的项，然后将u与变换矩阵A相乘，以得到包含输出坐标的变换后的输出列矩阵v。另一方面，向后转换意味着我们知道输出坐标v，并希望找到输
浏览 5提问于2021-01-13得票数 1
1回答
我需要你的帮助，把这个编码成Javascript。
割线方法使用两个起始参数，而这个新方法只需要一个起始参数。
提前谢谢你。
谢谢你的回答，艾德:评论，这是我尝试过的，但没有用：
<script>
var x
var pi = 3.141592653589793, e = 2.7182818284590452;
function meth_sec() {
with (Math) {
f = "sin(x)-x/2"; a = 1; s = 1;
f = prompt("
浏览 1提问于2018-11-17得票数 0
1回答
我试图使用Python的statsmodel包进行负二项式回归。当使用GLM例程时，模型估计得很好。
model = smf.glm(formula="Sales_Focus_2016 ~ Sales_Focus_2015 + A_Calls + A_Ed", data=df, family=sm.families.NegativeBinomial()).fit()
model.summary()
然而，GLM例程并不估计α，即色散项。我尝试直接使用负二项式例程(它确实估计alpha)。
nb = smf.negativebinomial(formula="Sales
浏览 3提问于2017-06-06得票数 2
回答已采纳
1回答
SLSQP优化算法是如何工作的？
、、、、
我正在使用openMDAO中的SLSQP算法，但我在理解它的实际工作原理时遇到了问题。我只是在看常见的抛物面例子，它有2个设计变量，目的是最小化f，没有任何约束。通过打印出每次迭代的x，y和f的值(迭代可能不是正确的词)，我可以看到有时会对每个设计变量(x，y)使用前向有限差分来计算一阶导数。然后使用这些导数来找到下一个x和y值，但是我看不到模式。
另外，当我读到SLSQP方法时，二阶导数也是必需的。然而，我看不到它是经过计算的。让我给出一个输出的例子：
iteration 1:
x = 0
y = 0
f = 22
iteration 2:
x = 0.01
y = 0
f = 21.94
浏览 8提问于2020-01-19得票数 4
1回答
from sympy import diff
from math import log
def newt_method(f, a, b, e):
if f(a) * f(b) >= 0:
raise Exception("Корені відсутні.")
iterations3 = 0
if diff(diff(f(a))) * f(a) > 0:
x0 = a
else:
x0 = b
while f(x0) > e:
x0 = x0 - (f(x0
浏览 10提问于2022-10-23得票数 0
2回答
我试图用C语言中的(NR)方法来解决一个函数的根的问题。我想找根的函数大多是多项式函数，但也可能包含三角函数和对数函数。
NR方法需要求函数的微分。实施差异化有三种方式：
象征性
数值
自动(子类型为正向模式和反向模式)。对于这个特别的问题，我想重点谈一谈前进模式)
我有成千上万的这些功能，都需要在尽可能快的时间内找到根。
从我所知道的一点来看，自动区分通常比符号更快，因为它能更有效地处理“表达膨胀”问题。
因此，我的问题是，在所有其他条件相同的情况下，哪种微分方法的计算效率更高:自动微分(更具体地说，是前向模式)还是数字微分？
浏览 4提问于2017-06-07得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
