-
机器人中的数值优化|【七】线性搜索牛顿共轭梯度法、可信域牛顿共轭梯度法
机器人中的数值优化|【七】线性搜索牛顿共轭梯度法、可信域牛顿共轭梯度法 Line Search Newton-CG, Trust Region Newton-CG
往期回顾
机器人中的数值优化|【一】数值优化基础
机器人中的数值优化|【二】最速下降法，可行牛顿法的python实现，以Rosenbrock function为例
机器人中的数值优化|【三】无约束优化，拟牛顿法理论与推导
机器人中的数值优化|【四】L-BFGS理论推导与延伸
机器人中的数值优化|【五】BFGS算法非凸/非光滑处理
机器人中的数值优化|【六】线性共轭梯度法，牛顿共轭梯度法线性搜索牛顿共轭梯度法 Line Search Newton-CG
线性搜索牛顿-CG方法，也称为截断牛顿方法。最基础的Newton step是通过求解线性系统的方程 ∇ 2 f k d k N = − ∇ f k \nabla^2 f_k d_k^N = -\nabla f_k ∇2fkdkN=−∇fk来实现的。然而，CG方法是用来求解正定系统的，当 x k x_k xk不接近解时，hessian阵 ∇ 2 f k \nabla^2 f_k ∇2fk可能具有负特征值。因此，一旦产生了一个负曲率的方向，我们就终止了CG迭代。
可信域牛顿共轭梯度法 Trust Region Newton Conjugate Gradient Method
-
相关阅读:
【面向小白】深究模型大小和推理速度的关系！
CDH部署flink1.13
Vue详解知识概括
[原创] KCP 源码分析（上）
提高matlab运算效率——预分配内存
java中的泛型
IO的阻塞和非阻塞、同步和异步
vulhub中Apache Log4j2 lookup JNDI 注入漏洞（CVE-2021-44228）
C++(20)：atomic_ref原子的操作非原子变量
记go语言椭圆曲线算法公私钥验证补充
- 原文地址：https://blog.csdn.net/qq_43443531/article/details/133362417