一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.     

解决一类优化问题的变分迭代法

考虑利用变分迭代方法求解最优化问题,分别给出了求解一般的有约束和无约束最优化问题的基本步骤,并通过实例说明了所给方法的有效性.     

快速发展的小微企业人力优化探析

国家不断加大对小微企业的政策和环境扶持力度，使小微企业得到了快速发展的机遇，在企业快速发展的过程中，企业人力资源管理遇到较大的人力优化问题，文章将从选、育、用、留四个方面对小微企业人力优化提出针对性的建议和措施。     

新课程理念下的初中数学学习方法及对策

初中数学学习在深度上比小学深,在广度上比小学的数学更广泛,而且对小学数学和高中数学学习起着承上启下的作用,所以夯实初中数学是非常重要的,同时,学习初中数学要有自己总结的不同于别人的学习方法.当学习初中数学时,因为开始时的方法是不正确的,学习成绩不是很理想,但通过不断总结自己学习的缺点,努力改善学习方法和解题思路,最后如愿以偿获得自己想要的结果,同时在各个初中高中数学竞赛获得成功,更重要的是,在数学学习过程中,体会到学习的乐趣,学习兴趣起稿了,学习变得很容易.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.