导读:本文包含了梯度迭代算法论文开题报告文献综述及选题提纲参考文献，主要关键词:梯度迭代,参数估计,分解技术,系统辨识
梯度迭代算法论文文献综述
沙良彬,籍艳,万立娟[1]（2019）在《输出误差自回归系统的分解梯度迭代算法研究》一文中研究指出针对输出误差自回归系统(output error autoregressive system,OEAR)辨识参数误差大,收敛速度慢的问题,本文将递阶辨识原理与梯度迭代算法(gradientbased iterative algorithm,GI)运用到输出误差自回归系统的辨识过程中,针对该系统的算法进行推导,提出了基于分解的输出误差自回归系统的梯度迭代算法。将输出误差自回归系统分解成2个子系统,通过梯度迭代算法分别对2个子系统进行辨识,最后用Matlab仿真实例进行仿真。仿真结果表明,在输入信号的作用下,系统能够更快速的收敛到比原有算法误差更小的范围内,验证了该算法的有效性。(本文来源于《青岛大学学报(工程技术版)》期刊2019年03期）
卢润阁[2]（2019）在《Markov跳跃系统中耦合Lyapunov矩阵方程的加速梯度迭代算法》一文中研究指出Markov跳跃系统能够描述系统因外界环境变化或者内部结构突变而发生的动态变化行为,因而具有很强的应用背景。稳定性问题在这类系统中至关重要。耦合Lyapunov矩阵方程的解与Markov跳跃系统的稳定性判定密切相关。本文将围绕该系统的耦合Lyapunov矩阵方程的梯度迭代求解算法展开研究,主要研究内容包括以下两个部分。针对离散时间Markov跳跃系统的耦合Lyapunov矩阵方程,在直接梯度迭代算法的基础上,把已经通过迭代得到的最新估计信息引入到当前步的迭代中,建立基于最新估计的加速梯度迭代算法,给出了所提算法在任意初始条件下收敛的充要条件,然后利用Kronecker积和辅助矩阵证明了若矩阵方程存在唯一解则所提算法可在任意初始条件下收敛到此精确解。最后通过数值仿真验证了非零初始条件下和零初始条件下,基于最新估计的梯度迭代算法的收敛速度较直接梯度迭代算法有显着提升,在某些迭代步长下,算法精度也更高,并通过仿真给出了所提算法的最佳迭代步长。针对连续时间Markov跳跃系统的耦合Lyapunov矩阵方程,通过最小化二次目标函数的值,利用梯度搜索思想建立连续耦合Lyapunov矩阵方程的直接梯度迭代算法,在此基础上运用最新估计思想,建立基于最新估计的加速梯度迭代算法,分别给出了两个算法收敛的充要条件,对两个算法进行拉直运算并引入辅助矩阵和向量形式证明了若矩阵方程存在唯一解则所提算法可在任意初始条件下收敛到此精确解。数值仿真发现,在非零和零初始条件下两个算法在不同迭代步长下的收敛速度变化较大,但基于最新估计的加速梯度算法整体收敛速度明显优于直接梯度迭代算法,最后分别对不同步长下两个算法对应迭代矩阵的谱半径仿真得到最佳迭代步长。(本文来源于《哈尔滨工业大学》期刊2019-07-01）
高见芳[3]（2019）在《一种基于梯度迭代算法重构信号的研究》一文中研究指出针对现有压缩感知重构算法存在的不足,提出了一种梯度迭代重构算法,利用1-范数补偿条件,确保获得稀疏解,设常数λ,减少迭代步骤,通过凸优化问题限制重构总误差,并进行了仿真实验。实验结果表明,该算法能以极大概率精确重构信号。(本文来源于《机电信息》期刊2019年12期）
张雁峰,范西岸,尹志益,蒋铁钢[4]（2018）在《基于回溯的共轭梯度迭代硬阈值重构算法》一文中研究指出针对基于回溯的迭代硬阈值算法(BIHT)迭代次数多、重构时间长的问题,提出一种基于回溯的共轭梯度迭代硬阈值算法(BCGIHT)。首先,在每次迭代中采用回溯思想,将前一次迭代的支撑集与当前支撑集合并成候选集;然后,在候选集所对应的矩阵列张成的空间中选择新的支撑集,以此减少支撑集被反复选择的次数,确保正确的支撑集被快速找到;最后,根据前后迭代支撑集是否相等的准则来决定使用梯度下降法或共轭梯度法作为寻优方法,加速算法收敛。一维随机高斯信号重构实验结果表明,BCGIHT重构成功率高于BIHT及同类算法,重构时间低于BIHT 25%以上。Pepper图像重构实验结果表明,BCGIHT重构精度和抗噪性能与BIHT及同类算法相当,重构时间相较于BIHT减少50%以上。(本文来源于《计算机应用》期刊2018年12期）
谢莉,杨慧中[5]（2017）在《非均匀采样Hammerstein系统的梯度迭代辨识算法》一文中研究指出为了解决Hammerstein非线性系统在非均匀采样条件下的辨识问题,该文提出了1种能够用于在线参数估计的梯度迭代算法。通过引入时变后移算子,推导了非均匀采样Hammerstein系统的离散时间模型。采用关键项分离技术将系统参数化为1个线性回归模型。基于辅助模型辨识思想对未知中间变量进行重构,并利用负梯度搜索原理获得模型参数的迭代估计。仿真结果表明,该文方法是有效的,且比辅助模型随机梯度算法具有更快的收敛速度,参数估计精度提高近40倍。(本文来源于《南京理工大学学报》期刊2017年06期）
张龙[6]（2014）在《耦合Sylvester矩阵方程的梯度迭代算法》一文中研究指出通过推广求解矩阵方程AX=b或AX+XB=C的递推迭代算法和基于递阶辩识原理的思想,给出了求解广义耦合矩阵方程的梯度迭代算法。并证明了迭代算法的收敛性。分析表明,若矩阵方程有唯一解,则对任意的初始值该算法给出的迭代解都能快速的收敛到其精确解。数值实例验证了该算法的有效性。(本文来源于《价值工程》期刊2014年30期）
熊磊,刘国栋,刘小勇,杨鑫,刘健英[7]（2012）在《数字图像相关中基于非线性灰度改变模型的灰度梯度迭代算法》一文中研究指出传统的数字图像相关方法用于位移及应变场的测量都是基于物体表面同一点在变形前后灰度不变的基本假设。但是在实际应用中,灰度会受到光照及环境等因素的影响而随着时间发生变化。针对这一问题,将比较符合实际情况的非线性灰度改变模型引入到灰度梯度迭代算法中,并通过计算机模拟实验验证算法的精度及稳定性。结果表明,改进后的算法能够降低由于灰度改变所引起的测量误差。(本文来源于《机床与液压》期刊2012年13期）
冯毓,王威,柴承平,刘洋,吴小平[8]（2011）在《基于GPU的超松弛预条件共轭梯度迭代算法的并行实现》一文中研究指出超松弛预条件共轭梯度迭代算法(SSOR-PCG)是求解大型线性方程组行之有效的方法(王威,吴小平,2010)。本文采用NVIDIA公司生产的GPU(Graphic Processor Unit)作为计算工具,在CUDA(Compute Unified DeviceArchitecture)架构下编程,并利用CUSPARSE Library提供的库函数,完成SSORPCG算法的并行实现,提高了计算效率,为大规模地球物理叁维数值模拟计算提供快速高效的解决方案。(本文来源于《第十届中国国际地球电磁学术讨论会论文集》期刊2011-11-18）
顾传青,范伟薇[9]（2008）在《解Lyapunov矩阵方程的改进的梯度迭代算法(英文)》一文中研究指出In this paper, an improved gradient iterative (GI) algorithm for solving the Lyapunov matrix equations is studied. Convergence of the improved method for any initial value is proved with some conditions. Compared with the GI algorithm, the improved algorithm reduces computational cost and storage. Finally, the algorithm is tested with GI several numerical examples.(本文来源于《Journal of Shanghai University(English Edition)》期刊2008年05期）
靳天玉,吕振肃[10]（2005）在《基于LS的梯度迭代最陡下降算法GISDA》一文中研究指出提出了一种基于LS准则、利用梯度迭代的最陡下降算法G ISDA(G rad ient IterationSteepest D escent A lgorithm,G ISDA).该算法在梯度计算上比LM S精确.新算法与传统的最陡下降算法相比,具有运算量小、容易实现等优点.G ISDA算法比LM S算法收敛速度快、稳定性更好.并给出了G ISDA算法和LM S算法性能比较的计算机仿真结果和结论.(本文来源于《甘肃科学学报》期刊2005年04期）
梯度迭代算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
Markov跳跃系统能够描述系统因外界环境变化或者内部结构突变而发生的动态变化行为,因而具有很强的应用背景。稳定性问题在这类系统中至关重要。耦合Lyapunov矩阵方程的解与Markov跳跃系统的稳定性判定密切相关。本文将围绕该系统的耦合Lyapunov矩阵方程的梯度迭代求解算法展开研究,主要研究内容包括以下两个部分。针对离散时间Markov跳跃系统的耦合Lyapunov矩阵方程,在直接梯度迭代算法的基础上,把已经通过迭代得到的最新估计信息引入到当前步的迭代中,建立基于最新估计的加速梯度迭代算法,给出了所提算法在任意初始条件下收敛的充要条件,然后利用Kronecker积和辅助矩阵证明了若矩阵方程存在唯一解则所提算法可在任意初始条件下收敛到此精确解。最后通过数值仿真验证了非零初始条件下和零初始条件下,基于最新估计的梯度迭代算法的收敛速度较直接梯度迭代算法有显着提升,在某些迭代步长下,算法精度也更高,并通过仿真给出了所提算法的最佳迭代步长。针对连续时间Markov跳跃系统的耦合Lyapunov矩阵方程,通过最小化二次目标函数的值,利用梯度搜索思想建立连续耦合Lyapunov矩阵方程的直接梯度迭代算法,在此基础上运用最新估计思想,建立基于最新估计的加速梯度迭代算法,分别给出了两个算法收敛的充要条件,对两个算法进行拉直运算并引入辅助矩阵和向量形式证明了若矩阵方程存在唯一解则所提算法可在任意初始条件下收敛到此精确解。数值仿真发现,在非零和零初始条件下两个算法在不同迭代步长下的收敛速度变化较大,但基于最新估计的加速梯度算法整体收敛速度明显优于直接梯度迭代算法,最后分别对不同步长下两个算法对应迭代矩阵的谱半径仿真得到最佳迭代步长。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
梯度迭代算法论文参考文献
[1].沙良彬,籍艳,万立娟.输出误差自回归系统的分解梯度迭代算法研究[J].青岛大学学报(工程技术版).2019
[2].卢润阁.Markov跳跃系统中耦合Lyapunov矩阵方程的加速梯度迭代算法[D].哈尔滨工业大学.2019
[3].高见芳.一种基于梯度迭代算法重构信号的研究[J].机电信息.2019
[4].张雁峰,范西岸,尹志益,蒋铁钢.基于回溯的共轭梯度迭代硬阈值重构算法[J].计算机应用.2018
[5].谢莉,杨慧中.非均匀采样Hammerstein系统的梯度迭代辨识算法[J].南京理工大学学报.2017
[6].张龙.耦合Sylvester矩阵方程的梯度迭代算法[J].价值工程.2014
[7].熊磊,刘国栋,刘小勇,杨鑫,刘健英.数字图像相关中基于非线性灰度改变模型的灰度梯度迭代算法[J].机床与液压.2012
[8].冯毓,王威,柴承平,刘洋,吴小平.基于GPU的超松弛预条件共轭梯度迭代算法的并行实现[C].第十届中国国际地球电磁学术讨论会论文集.2011
[9].顾传青,范伟薇.解Lyapunov矩阵方程的改进的梯度迭代算法(英文)[J].JournalofShanghaiUniversity(EnglishEdition).2008
[10].靳天玉,吕振肃.基于LS的梯度迭代最陡下降算法GISDA[J].甘肃科学学报.2005