1) variable metric direction
变尺度方向
1.
First, the searching direction is changed from the negative gradient direction to the variable metric direction.
提出了一种立体神经视觉系统中零件识别的学习方法 ,与标准的BP算法对比有两点改进 :①用变尺度方向代替负梯度方向作为搜索方向 ;②用可变的最优学习率来代替不变的学习率 。
2) Multiscale Geometric Transform
方向多尺度变换
4) variable metric algorithm
变尺度方法
5) constrained variable directions with generalized projection gradient
广义投影梯度约束变尺度方向
1.
Combining the idea of Han Powell′s algorithm with that of the algorithm in,the linear system satisfied by constrained variable directions with generalized projection gradient is proposed.
将Ｈａｎ－Ｐｏｗｅｌ和文献［１］中算法的思想有机的结合在一起，构造了广义投影梯度约束变尺度方向所满足的线性系统。
6) scale transformation vector
尺度变换向量
1.
The fourth form on the expert opinion expression,scale transformation vector,is put forward in this paper and it is proved that both the weighted arithmetical mean and the weighted greometric mean will converge in probability to the impersonal sequence scale transformation vecfor if there are enough experts and the convergence of group thought is validated finally.
提出了专家意见表达的第4种形式:尺度变换向量。
补充资料：变尺度法
分子式：
CAS号：
性质：变尺度法是在解无约束极值问题的梯度法基础上发展起来的，它利用递推的方法计算目标函数的二阶导数及其逆阵，减少了计算量，同时比梯度法收敛快，是目前解决无约束极值问题的最有效的算法之一。
CAS号：
性质：变尺度法是在解无约束极值问题的梯度法基础上发展起来的，它利用递推的方法计算目标函数的二阶导数及其逆阵，减少了计算量，同时比梯度法收敛快，是目前解决无约束极值问题的最有效的算法之一。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条