АЛГОРИТМЫ ОБУЧЕНИЯ НА ОСНОВЕ ОРТОГОНАЛИЗАЦИИ ПОСЛЕДОВАТЕЛЬНЫХ ВЕКТОРОВ
Аннотация
Эффективные релаксационные субградиентные методы оптимизации негладких функций основываются на алгоритмах решения систем неравенств, целью которых является поиск направления спуска на очередной итерации основного алгоритма. Для нахождения решения указанных систем неравенств могут быть использованы итеративные алгоритмы, называемые алгоритмами обучения. В этой работе предлагаются и изучаются многошаговые методы, в которых для ускорения сходимости используется идея ортогонализации последовательных направлений процесса обучения.
Ключевые слова
алгоритм Качмажа,
алгоритм с попарной ортогонализацией векторов,
многошаговый алгоритм,
скорость сходимости
519.6
Список литературы
1. Kaczmarz, S. Approximate solution of systems of linear equations / S. Kaczmarz // Internat. J. Control. - 1993. - V. 54. - № 3.
2. Цыпкин, Я. З. Основы теории обучающихся систем / Я. З. Цыпкин. - М.: Наука, 1981. - 251 с.
3. Аведьян, Э. Д. Обобщенный алгоритм Качмажа / Э. Д. Аведьян, Я. З. Цыпкин // Автоматика и телемеханика. - 1949. - № 1.
4. Крутиков, В. Н. Релаксационный метод минимизации с растяжением пространства в направлении субградиента / В. Н. Крутиков, Т. В. Петрова // Экономика и мат. методы. - 2003. - Т. 39. - Вып. 1.
5. Крутиков, В. Н. Семейство релаксационных субградиентных методов с двухранговой коррекцией матриц метрики / В. Н. Крутиков, Т. А. Горская // Экономика и мат. методы. - 2009. - Т. 45. - № 4.
6. Крутиков, В. Н. Обучающие методы безусловной оптимизации и их применение / В. Н. Крутиков. - Томск: Изд-во ТГПУ, 2008. - 234 с.
Рецензия
Для цитирования:
Вершинин Я.Н., Крутиков В.Н. АЛГОРИТМЫ ОБУЧЕНИЯ НА ОСНОВЕ ОРТОГОНАЛИЗАЦИИ ПОСЛЕДОВАТЕЛЬНЫХ ВЕКТОРОВ. Вестник Кемеровского государственного университета. 2012;(2):37-42.
For citation:
Vershinin Ya.N., Krutikov V.N. ORTHOGONALIZATION OF THE SEQUENCE VECTORS LEARNING ALGORITHMS. The Bulletin of Kemerovo State University. 2012;(2):37-42. (In Russ.)
Просмотров:
192
Послать статью по эл. почте 