Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "quasi-Newton" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A conjugate gradient method with quasi-Newton approximation
    Autorzy:
    Koko, Jonas
    Powiązania:
    https://bibliotekanauki.pl/articles/1208176.pdf
    Data publikacji:
    2000
    Wydawca:
    Polska Akademia Nauk. Instytut Matematyczny PAN
    Tematy:
    Newton and quasi-Newton methods
    unconstrained high-dimensional optimization
    conjugate gradient methods
    Opis:
    The conjugate gradient method of Liu and Storey is an efficient minimization algorithm which uses second derivatives information, without saving matrices, by finite difference approximation. It is shown that the finite difference scheme can be removed by using a quasi-Newton approximation for computing a search direction, without loss of convergence. A conjugate gradient method based on BFGS approximation is proposed and compared with existing methods of the same class.
    Źródło:
    Applicationes Mathematicae; 2000, 27, 2; 153-165
    1233-7234
    Pojawia się w:
    Applicationes Mathematicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptation of the Regularization Parameters in the Nm-Delta Networks
    Autorzy:
    Gołąbek, P.
    Kosiński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/911150.pdf
    Data publikacji:
    2000
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    regularyzacja
    Levenberg-Marquardt
    NM-Delta
    M-Delta
    regularization
    quasi-Newton
    Opis:
    The paper describes an application of regularization techniques to an automatic choice of parameters driving the learning process in the NM-Delta neural network architecture. The heterogeneous learning algorithm is identified as very similar to the Levenberg-Marquardt method but with a considerably smaller computational cost and different justification of parameter selection. The performance of the modified algorithm proves to be comparable with that of the Levenberg-Marquardt.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 779-790
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of the generalized viscoelastic Huet-Sayegh and Burgers model to determine the stiffness modulus of asphalt concrete
    Implementacja lepkosprężystego uogólnionego modelu Hueta-Sayegh oraz Burgersa do określenia modułu sztywności betonu asfaltowego
    Autorzy:
    Mazurek, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/402322.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Świętokrzyska w Kielcach. Wydawnictwo PŚw
    Tematy:
    linear visco-elasticity
    modelling
    Quasi-Newton algorithm
    dynamic test
    liniowa lepkosprężystość
    modelowanie
    algorytm Quasi-Newtona
    test dynamiczny
    Opis:
    The aim of this paper is to compare the possibility of application of two physical models, namely generalized Huet-Sayegh and Burgers model to describe the changes in stiffness modulus of asphalt concrete. Both models make sense only in range of the linear viscoelasticity. The modern design of the pavement structure increasingly forced to use more sophisticated techniques for modeling the properties of the bituminous mixtures. The study was found that the application of popular Burgers model is not capable to properly predict the properties of the asphalt concrete at high frequency load/low temperature and at high temperature/low frequency in comparison with the generalized Huet-Sayegh model.
    Źródło:
    Structure and Environment; 2016, 8, 4; 237-242
    2081-1500
    Pojawia się w:
    Structure and Environment
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Heuristic modeling of objects and processes using dynamic neural networks
    Heurystyczne modelowanie obiektów i procesów przy pomocy dynamicznych sieci neuronowych
    Autorzy:
    Przystałka, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/327816.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    sztuczna sieć neuronowa
    lokalnie rekurencyjna sieć neuronowa
    systemy dynamiczne
    metoda quasi-Newtonowska
    modelowanie heurystyczne
    artificial neural network
    locally recurrent neural network
    dynamic systems
    quasi-Newton methods
    heuristic modelling
    Opis:
    The methodology of heuristic modeling is one of the subjects included in the activities developed by the Department of Fundamentals of Machinery Design [4, 6]. Among all the approaches of heuristic modeling some of the most common are artificial neural networks. There are many papers and books devoted to applications of neural networks for modeling dynamic systems [1, 2, 4, 5, 6, 7]. In this paper, known approach basing on dynamic neuron model is presented (dynamic neuron with IIR filter in the activation block [2]) but some developments are introduced. Locally recurrent networks which are composed of dynamic neural units described in [2, 5, 7] are able to model behavior of complex dynamic systems. Nevertheless, they have one major disadvantage, that is, neural networks composed of these neurons are not able to represent stochastic behaviors of some objects [4,6]. By introducing the ARMAX (or ARX) system into dynamic neuron model author has received dynamic neuron unit that never behaves in the same way (it brings an artificial neuron closer and closer to the biological model). In this paper the author presents formal description of dynamic neuron unit with ARMAX system in the feedback block. There are also described a general structure of dynamic neural network composed of these neurons, two known training methods and some commonly used quality measures. At the end of the paper three examples of applications are given.
    Metodologia heurystycznego modelowania obiektów i procesów jest jednym z kierunków badań rozwijanym prze Katedrę Podstaw Konstrukcji Maszyn [4, 6]. Spośród wielu metod modelowania heurystycznego duże znaczenie odgrywają metody bazujące na sztucznych sieciach neuronowych. Można wyróżnić wiele ciekawych prac badawczych prowadzonych w kierunku modelowania systemów dynamicznych z zastosowaniem tego typu narzędzia [1, 2, 4, 5, 6, 7]. W artykule zaprezentowano znane podejście bazujące na dynamicznych neuronach (dynamiczny neuron z filtrem IIR w bloku aktywacyjnym [2]) z pewnymi modyfikacjami. Lokalnie rekurencyjne sieci neuronowe złożone z dynamicznych neuronów opisane w [2, 5, 7] nadają się do modelowania zachowania złożonych systemów dynamicznych. Jednakże, posiadają one jedną główną wadę tzn. nie są zdolne do reprezentowania zachowania losowego niektórych obiektów [4, 6]. Poprzez wprowadzenie systemu typu ARMAX (ARX) do modeli dynamicznych neuronów autor otrzymał dynamiczny model neuronu, który nigdy nie zachowują się w ten sam sposób (przybliża to model sztucznego neuronu do jego biologicznego wzoru). W artykule autor prezentuje formalny opis dynamicznego neuronu z systemem typu ARMAX w bloku sprzężenie zwrotnego. Opisuje również ogólną strukturę dynamicznej sieci neuronowej złożonej z tych neuronów, dwa znane algorytmy trenujące oraz powszechnie stosowane miary jakości. Przykładowe zastosowania opisywanych sieci zaprezentowane są w końcowym fragmencie opracowania.
    Źródło:
    Diagnostyka; 2006, 2(38); 31-36
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An analytical and numerical approach to a bilateral contact problem with nonmonotone friction
    Autorzy:
    Barboteu, M.
    Bartosz, K.
    Kalita, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/330898.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    linearly elastic material
    bilateral contact
    nonmonotone friction law
    hemivariational inequality
    finite element method
    error estimate
    nonconvex proximal bundle method
    quasi augmented Lagrangian method
    Newton method
    metoda elementów skończonych
    szacowanie błędu
    metoda Lagrangiana
    metoda Newtona
    Opis:
    We consider a mathematical model which describes the contact between a linearly elastic body and an obstacle, the so-called foundation. The process is static and the contact is bilateral, i.e., there is no loss of contact. The friction is modeled with a nonmotonone law. The purpose of this work is to provide an error estimate for the Galerkin method as well as to present and compare two numerical methods for solving the resulting nonsmooth and nonconvex frictional contact problem. The first approach is based on the nonconvex proximal bundle method, whereas the second one deals with the approximation of a nonconvex problem by a sequence of nonsmooth convex programming problems. Some numerical experiments are realized to compare the two numerical approaches.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 2; 263-276
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies