随机梯度下降(stochastic gradient descent,SGD)是目前应用最广的算法,因其易受噪声干扰只能达到次线性收敛率,而改进后的随机方差消减梯度法(stochastic variance reduction...
基于2004个网页-相关网页
深度学习的参数训练过程中，随机梯度下降（SGD）是最常被使用的方法。然而在这个过程中，通常需要很多的技巧，例如模型深度的选择，神经元个 数的设定，训练权重的初始化，学习率...
基于44个网页-相关网页
随机梯度下降法 Stochastic Gradient Descent
随机梯度下降算法 stochastic gradient descent
采用随机梯度下降法 stochastic gradient descent
基于随机并行梯度下降 stochastic parallel gradient descent ; SPGD
随机并行梯度下降算法 stochastic parallel gradient descent algorithm
就随机并行梯度下降(SPGD)最优化算法在光束净化系统中的应用展开研究。
This paper researches the application of the stochastic parallel gradient descent (SPGD) optimization algorithm on the beam cleanup system.
基于随机并行梯度下降（SPGD）算法，32单元变形镜，CCD成像器件等建立了无波前传感自适应光学系统实验平台。
Based on stochastic parallel gradient descent (SPGD) control algorithm, an adaptive optics test-bed without a wave-front sensor was built with a 32-element deformable mirror and a CCD.
随机并行梯度下降(SPGD)算法可以对系统性能指标直接优化来校正畸变波前。
The stochastic parallel gradient descent (SPGD) algorithm can optimize the system performance indexes directly to correct wavefront aberration.
应用推荐