导读:本文包含了梯度下降法论文开题报告文献综述、选题提纲参考文献，主要关键词:梯度,步长,永磁,转矩,方差,谐波,神经网络。
梯度下降法论文文献综述写法
王欣,靳鸿,杨冀豫[1]（2019）在《基于共轭梯度下降法的RBF神经网络预测算法》一文中研究指出针对当前神经网络预测算法在解决训练样本较多的复杂非线性系统问题时易陷入局部最优、训练时间较长、准确度不高的问题,提出了基于共轭梯度下降法的RBF神经网络预测算法。该算法在传统径向基神经网络的基础上,引入平滑因子对共轭梯度下降法进行优化,并且能够自适应改变叁个重要参数的学习率步长。将改进的预测算法应用于已知轮毂应力预测轮扭矩的多输入单输出非线性系统,通过仿真实验得到测试样本预测值与真实值的曲线对比、改进的算法与标准RBF神经网络算法的误差性能曲线对比。仿真实验结果表明,该算法比传统RBF神经网络算法迭代次数更少,收敛速度更快,预测准确度更高。(本文来源于《探测与控制学报》期刊2019年05期）
燕罗成,廖勇,陈静怡[2]（2019）在《基于梯度下降法的PMSM转矩脉动抑制策略》一文中研究指出由于永磁同步电机(PMSM)谐波电流、谐波磁链以及齿槽转矩问题,因此在运行时会产生转矩脉动。针对该问题,此处提出一种基于梯度下降法(GDO)的转矩脉动抑制算法。通过提取转速波动来推算转矩脉动的幅值大小,并以转矩脉动最小为目标函数,利用GDO在线搜索最优的谐波电流指令。由于转矩脉动幅值的计算及GDO都没有使用电阻、电感等参数且算法实现较简单,避免了传统转矩脉动抑制方法对电机参数依赖度高、算法复杂等缺点。通过对比加入算法前后的仿真和实验结果,验证了所提算法的有效性。(本文来源于《电力电子技术》期刊2019年09期）
王铎,袁亮,侯爱萍,姜宏[3]（2019）在《改进梯度下降法的机载云台姿态解算》一文中研究指出针对机载云台计算能力有限、动态性能较差的问题,提出一种基于低成本叁轴无刷云台的改进梯度下降法姿态解算。该算法采用四元数描述系统模型,先进行卡尔曼滤波预处理加速度计的输出数据,降低动态误差,后利用基于梯度下降法姿态解算来减小姿态误差,最后线性融合加速度计、磁力计和陀螺仪解算的姿态四元数,从而得到能够适应复杂环境的最优姿态,计算量较小的同时保证机载相机的实时稳定性。通过两组对比实验表明,改进算法较梯度下降法精确度更高,静态、动态性能分别提升15.25%和27.53%,同时与显式互补滤波进行对比,印证了改进算法在云台系统中的可行性。(本文来源于《组合机床与自动化加工技术》期刊2019年08期）
张亚中,李玉箫,刘雨享,何伟[4]（2019）在《基于机器学习梯度下降法的OAM对准算法》一文中研究指出OAM为通信系统增加了一个新的维度即"模分复用",有望借此增大信道容量。但是由于涡旋电磁波的特殊性,OAM对收发天线的轴心对准要求很高,轴偏差对于信道容量的影响很大。我们以能量谱方差为损失函数,提出了一种基于机器学习梯度下降法的高效对准算法,并进行仿真。仿真结果表明了这种算法可以在损失函数未知的情况下,根据当前位置测量得到的数据调整参数,以很快的收敛速度实现参数的最优化,使OAM系统收发机精确快速对准。相对于已有的对准算法,这种算法更适合于机器实现,而且不依赖于初始状态。(本文来源于《通信技术》期刊2019年06期）
张欣蕊[5]（2019）在《基于隐式随机梯度下降法的研究》一文中研究指出在统计和机器学习等领域,参数估计是一类值得研究的问题,广泛采取通过对目标函数进行优化的思想。然而,随着计算机的出现和信息时代的到来,有时需要处理数百万甚至数十亿个训练样本的优化问题,统计机器学习方法的能力受到计算时间而不是样本大小的限制,广泛使用的基于优化的估计方法无法应用于这些大规模的现代数据集中。在这样的背景下,随机梯度下降法逐渐引起人们的关注,这是一种递归估计方法,相比于传统的优化方法每一次估计都要遍历所有的数据集,这种方法每一步只需要利用少量的数据对模型参数进行更新,因此可以很方便的对大规模数据集求解参数估计。然而,传统的随机梯度下降法是数值不稳定的,如果选取较小的学习速率参数,收敛会变得缓慢;如果选取较大的学习速率参数,既会导致较大的渐进方差,同时也可能会导致数值发散。因此,需要谨慎选取学习速率参数的值。一些参数选择方法不断的被提出和改进,本文将会研究一种基于标准的随机梯度下降法的变体方法,即采取隐式更新的思路对传统的方法进行改进,本文称之为隐式随机梯度下降法,为了便于区分,称传统的随机梯度下降法为显式随机梯度下降法。本文的核心部分将会分别应用显式随机梯度下降法和隐式随机梯度下降法对两种经典的统计模型求解参数估计,为了保证结果的全面性和可靠性,分别选取一个典型的回归问题和一个典型的分类问题,即线性回归模型和logistic回归模型。针对两种随机梯度下降法,选取常用的叁种参数选择方法,同时以R语言统计软件中最经典的方法1m(.)和glm(.)作为基准方法。通过实验结果可以看出,无论是对于回归问题,还是对于分类问题,相比于传统的方法,两种随机梯度下降法大大减少了执行时间,因此更适用于大规模的数据集。具体的,在某些参数选择方法下,应用显式随机梯度下降法估计的参数值与实际参数偏离较大,表现出了不稳定性,因此在实际应用的过程中需要对参数进行谨慎的选取。而相比较而言,隐式随机梯度下降法在叁种参数选择方法下都是很稳定的。因此,相比于显式随机梯度下降法对学习速率参数的不稳定性,本文建议隐式随机梯度下降法是更优的,值得进一步研究和关注。(本文来源于《吉林大学》期刊2019-05-01）
贾正荣,王航宇,卢发兴[6]（2018）在《基于梯度下降法的离散概率空间区域射击瞄准点求解方法》一文中研究指出为增强区域射击方法的适用性,解决目标分布不规则条件下的区域射击瞄准点求解问题,提出基于梯度下降法的离散概率空间区域射击瞄准点求解方法。通过在离散空间内描述目标的分布概率,以适应不规则的目标分布情况;通过变分方法求解离散空间内的最优中间函数,以实际中间函数与最优中间函数的差值范数作为优化指标,给出解析形式的指标梯度;构建基于梯度下降法的射击点位置求解模型。在同等初始条件下,分别采用几何法、函数逼近法、梯度下降法求解得到不同目标分布情况下的瞄准点配置,以对比方法性能。结果表明:相比于现有方法,梯度下降法适用性强、求解速度较快、优化程度高,能够求解目标分布不规则情况的区域射击瞄准点配置。(本文来源于《兵工学报》期刊2018年12期）
易江晟[7]（2018）在《用Stein变分梯度下降法处理扩散过程转移密度函数的Hermite展开的逼近序列》一文中研究指出在扩散模型的参数估计方法中,由AYt-Sahalia(2002)提出的将转移密度函数Hermite展开,继而逼近该展式得到显式的解析式,从而构成近似的似然函数,其可处理转移密度函数未知的情形,且逼近的解析式十分精确.但是,其作为一种近似的似然法,无法避免转移密度函数逼近序列的非正则化问题(即该逼近序列积分后不等于1).本文利用新近提出的Stein变分梯度下降法(SVGD)处理此逼近序列,克服了其非正则化的壁垒,从而实现了从正则化的转移密度函数逼近序列抽样继而生成扩散过程的模拟路径.本文还构造了用生成对抗的方式求解正则化的近似最大似然估计(GA-NA-MLE)的方法.此外,本文还给出了相关的收敛性结果和正则化的转移密度函数逼近序列的几种后续应用,包括:1、金融衍生品定价;2、参数形式扩散模型族的确定问题;3、不同参数形式的扩散模型差异比较.(本文来源于《浙江大学》期刊2018-11-27）
方朋朋,杨家富,施杨洋,于凌宇[8]（2018）在《基于梯度下降法和改进人工势场法的无人车避障方法》一文中研究指出无人车在规划路径进行实时避障时所使用的传统人工势场法存在着局部极小值的缺点,导致无人车无法顺利到达目标点。通过对人工势场法规划路径失败原因分析,用梯度下降法对人工势场法进行优化,找到产生局极小值点的障碍物,并在局部极小值点通过增加模拟风的阻力的外部扰动方法使其跳出局部极小值点,在一定误差范围内使得无人车顺利到达目标位置,用MATLAB软件对该方法进行虚拟仿真,验证了该方法的正确性。(本文来源于《制造业自动化》期刊2018年11期）
袁文波,陈庆瑜,高洪兵,王钦若[9]（2018）在《梯度下降法在双目视觉导航中的一个运用》一文中研究指出随着人工智能技术的不断推进,无人驾驶已成为一个广受关注的话题。要实现无人驾驶就必须实现智能导航,而目前视觉导航已经受到很多导航研究者的关注。本文以无人送货快递车为例,介绍了无人送货快递车导航原理及梯度下降在双目视觉导航中的一个运用。(本文来源于《电子世界》期刊2018年16期）
孙娅楠,林文斌[10]（2018）在《梯度下降法在机器学习中的应用》一文中研究指出针对机器学习类训练算法问题,认识梯度下降法及其变体算法的基本迭代步骤,采用梯度下降法最小化损失函数,在MATLAB程序实现的基础上进行研究。对线性回归模型、Logistic regression进行算例分析,通过比较算法的收敛速度与复杂度,得到了对不同模型的应用实例,需根据不同的数据集采用较好的优化算法。(本文来源于《苏州科技大学学报(自然科学版)》期刊2018年02期）
梯度下降法论文开题报告范文
（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：
由于永磁同步电机(PMSM)谐波电流、谐波磁链以及齿槽转矩问题,因此在运行时会产生转矩脉动。针对该问题,此处提出一种基于梯度下降法(GDO)的转矩脉动抑制算法。通过提取转速波动来推算转矩脉动的幅值大小,并以转矩脉动最小为目标函数,利用GDO在线搜索最优的谐波电流指令。由于转矩脉动幅值的计算及GDO都没有使用电阻、电感等参数且算法实现较简单,避免了传统转矩脉动抑制方法对电机参数依赖度高、算法复杂等缺点。通过对比加入算法前后的仿真和实验结果,验证了所提算法的有效性。
（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。
梯度下降法论文参考文献
[1].王欣,靳鸿,杨冀豫.基于共轭梯度下降法的RBF神经网络预测算法[J].探测与控制学报.2019
[2].燕罗成,廖勇,陈静怡.基于梯度下降法的PMSM转矩脉动抑制策略[J].电力电子技术.2019
[3].王铎,袁亮,侯爱萍,姜宏.改进梯度下降法的机载云台姿态解算[J].组合机床与自动化加工技术.2019
[4].张亚中,李玉箫,刘雨享,何伟.基于机器学习梯度下降法的OAM对准算法[J].通信技术.2019
[5].张欣蕊.基于隐式随机梯度下降法的研究[D].吉林大学.2019
[6].贾正荣,王航宇,卢发兴.基于梯度下降法的离散概率空间区域射击瞄准点求解方法[J].兵工学报.2018
[7].易江晟.用Stein变分梯度下降法处理扩散过程转移密度函数的Hermite展开的逼近序列[D].浙江大学.2018
[8].方朋朋,杨家富,施杨洋,于凌宇.基于梯度下降法和改进人工势场法的无人车避障方法[J].制造业自动化.2018
[9].袁文波,陈庆瑜,高洪兵,王钦若.梯度下降法在双目视觉导航中的一个运用[J].电子世界.2018
[10].孙娅楠,林文斌.梯度下降法在机器学习中的应用[J].苏州科技大学学报(自然科学版).2018