神经网络优化算法nag
如果数学和统计算法使您的果汁如虎添翼,那么您就可以享受具有象征意义的治疗。 数值算法小组(NAG)是一个盎格鲁/美国组织,专门为希望将数学或统计功能集成到其应用程序中的开发人员推出数值软件和编译器-刚刚宣布更新了NAG Java库中的100多个例程。
NAG库很可能是周围最大的数学和统计算法存储库。 它的职责延伸到令人印象深刻的事物,如线性代数 , 优化 , 正交 , 常 微分方程解 , 回归分析和时间序列分析 。 从事财务分析,业务分析,科学,工程和研究等领域的人们可以使用NAG来访问日常活动中的问题解决算法。
这个新版本是其40年历史中的第24个版本,也是Java库第二次进行调整。 捆绑中包含一堆新功能,包括多起点(全局)优化,非负最小二乘法(局部优化),最近的相关矩阵,非均匀时间序列,高斯混合模型,合流超几何函数(1F1),布朗桥&随机字段,最佳子集,实际稀疏本征问题,矩阵函数和两阶段样条逼近。
NAG Library for Java于去年Spring启动,其主要目标是为Java开发人员提供经过尝试和测试的最新NAG Library例程。 编码人员不必费神自己的公式,而可以利用此资源并快速访问“健壮,经过严格测试和充分记录的数字代码”,从而使开发过程更加敏捷,并且不易出错。
NAG Java Java数值例程库中的关键功能包括:优化,(局部和全局),线性,二次,整数和非线性编程,常微分方程和偏微分方程以及小波变换等。 在统计例程方面,Java开发人员可以访问诸如随机数生成,方差分析和列联表分析以及时间序列分析等功能。
NAG与Java一起,还为C / C ++,Fortran,Python,MATLAB,C#,F#和R,以及多核和对称多处理器(SMP)计算机,分布式存储系统以及工作站组和服务器组提供数学解决方案。个人电脑。 图片由See-ming Lee提供神经网络优化算法nag