您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Karush-Kuhn-Tucker定理详解

  2. Karush-Kuhn-Tucker定理详解 英文
  3. 所属分类:专业指导

    • 发布日期:2009-11-22
    • 文件大小:97kb
    • 提供者:pkusoil
  1. Game physics

  2. Game physics ------------------------ 本书更像是一本物理学概论,游戏开发的部分偏少,下与不下你自己定夺。 ---------------------------------------- Trademarks Figures Tables Preface About the CD-ROM INTRODUCTION 1.1 a brief history of the world 1.2 a summary of the topics 1.3 Example
  3. 所属分类:C

    • 发布日期:2010-09-29
    • 文件大小:11mb
    • 提供者:osoon
  1. Introduction_to_Optimum_Design.pdf

  2. Preface ix Chapter 1 Introduction to Design 1 1.1 The Design Process 2 1.2 Engineering Design versus Engineering Analysis 4 1.3 Conventional versus Optimum Design Process 4 1.4 Optimum Design versus Optimal Control 6 1.5 Basic Terminology and Notati
  3. 所属分类:Java

    • 发布日期:2008-11-18
    • 文件大小:4mb
    • 提供者:xfwhj
  1. 约束优化问题的新的增强拉格朗日目标惩罚函数

  2. 本文研究了约束优化问题的一种新的扩充拉格朗日罚函数。 证明了增广的拉格朗日目标惩罚函数对约束优化问题的双重性质。 在某些条件下,扩展的拉格朗日目标惩罚函数的鞍点满足一阶Karush-Kuhn-Tucker(KKT)条件。 特别是,当KKT条件满足凸编程时,其鞍点存在。 基于增强的拉格朗日客观罚函数,开发了一种求解不等式约束优化问题的全局解的算法,并在一定条件下证明了其全局收敛性。
  3. 所属分类:其它

    • 发布日期:2020-06-05
    • 文件大小:389kb
    • 提供者:weixin_38520192
  1. 异构无线网络中基于多无线电访问的视频通信带宽分配算法

  2. 为了充分利用异构无线网络(HWNs)的无线资源,提高多归属用户视频通信的服务质量(Qo S),提出了一种基于多无线电接入的带宽分配算法。纸。 所提出的算法采用改进的分布式公共无线电资源管理(DCRRM)模型,可以充分减少信令开销。 该方案可以分为两个阶段。 在第一阶段,根据接收信号强度(RSS)获得每个用户的候选网络集。 并采用简单的加法加权(SAW)方法确定有效网络集。 在第二阶段,通过视频通信满意度模型,成本模型和能效模型的线性组合来制定效用优化问题。 并利用拉格朗日乘数法和Karush-K
  3. 所属分类:其它

    • 发布日期:2021-03-24
    • 文件大小:426kb
    • 提供者:weixin_38544978
  1. 毫米波频段5G异构网络的用户关联和回程带宽分配

  2. 研究了在毫米波(mmWave)频段运行的两层异构网络(HetNet)中的用户关联和无线回程分配。 假定宏小区层基站(BS)配备有大规模天线阵列,而小型小区BS仅具有单天线功能,并且它们依赖到宏BS的无线链路进行回程。 为了平衡吞吐量和公平性,选择对数用户速率之和作为优化问题的网络实用程序。 提出了一种基于层次原始分解和对偶分解的分布式算法。 首先,原始分解将原始问题转换为两个子问题,即无线回程带宽分配子问题和用户关联子问题。 其次,将对接收到的信号干扰加噪声比(SINR)的偏见引入到小蜂窝层中,
  3. 所属分类:其它

    • 发布日期:2021-03-13
    • 文件大小:613kb
    • 提供者:weixin_38502916
  1. 基于FCM与KKT条件的增量学习方法

  2. 增量学习方法的思想是仅利用部分相关的样本集参与训练,即能够保留历史样本知识,又能够不断地吸收新的知识,提高机器学习效率和精度,解决了大量样本训练时间长和存储空间不足的问题。因此,如何有效地丢弃大量无效的样本点是增量学习算法研究的重点。文中提出了一种FCM(Fuzzy C-Means)和KKT(Karush-Kuhn-Tucker)条件结合的增量学习方法,分别从历史样本集和新增样本集两个阶段对无效样本进行过滤,利用余下的样本进行训练。最后,利用UCI数据库中的4组数据进行实验分析,结果证明训练精度
  3. 所属分类:其它