Levenberg-Marquardt方法

       Levenberg-Marquardt又称莱文贝格-马夸特方法(Levenberg–Marquardt algorithm)能提供数非线性最小化(局部最小)的数值解。此算法能借由执行时修改参数达到结合高斯-牛顿算法以及梯度下降法的优点,并对两者之不足作改善(比如高斯-牛顿算法之反矩阵不存在或是初始值离局部极小值太远)

本文摘取文章:[1]习国泰. 改进Levenberg-Marquardt算法的复杂度分析[D].上海交通大学,2012.

文章链接:http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CMFD&dbname=CMFD2012&filename=1012018992.nh&uid=WEEvREcwSlJHSldRa1FhdXNXYXJxTHdocVdBd3FoYWRaQjFiSjVxUmt3VT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4ggI8Fm4gTkoUKaID8j8gFw!!&v=MzIxODZZUzdEaDFUM3FUcldNMUZyQ1VSTDJmYitab0Z5L21Xci9KVkYyNkhMTzVGdGpGclpFYlBJUjhlWDFMdXg=


参考文献链接:1、https://www.osti.gov/scitech/servlets/purl/7256021,"Levenberg--Marquardt algorithm: implementation and theory"

2、https://cs.uwaterloo.ca/~y328yu/classics/levenberg.pdf,"A method for the solution of certain non-linear problems in least "


发布了67 篇原创文章 · 获赞 160 · 访问量 24万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览