电磁层析成像技术中的谱参数混合共轭梯度法

电磁层析成像技术是基于电磁感应原理的过程检测技术,图像重建是解决其反问题的关键.基于共轭梯度算法,修正搜索方向和迭代参数,推导出基于谱参数的混合共轭梯度算法,以提高图像重建质量和收敛性.介绍了电磁层析成像系统的实验室模型和灵敏度分布矩阵,作为反问题基础;对搜索方向进行修正,提出一个新的谱参数,用来控制新旧搜索方向之间的角度,根据每一步迭代的残差结果,寻找最优解;改善共轭参数,分析非线性共轭梯度算法中FR算法(fletcher-reeves method)和PRP算法(polak-ribiere-polyak method)的各自优势,将它们按照一定比例进行混合,得到一种新的混合共轭梯度算法;将谱参数混合共轭梯算法应用到电磁层析成像实验室系统中,构建了3种典型实验室模型,对比谱参数混合共轭梯度算法与传统算法并作出评价.实验结果表明:谱参数混合共轭梯度算法的重建图像的质量更高,具有较好的数值表现;混合共轭梯度算法结合了FR算法和PRP算法的优点,收敛速度比PRP算法快,成像质量比其他算法高.

一种近似BFGS的自适应双参数共轭梯度法

为了更加有效的求解大规模无约束优化问题,本文基于自调比无记忆BFGS拟牛顿法,提出一个自适应双参数共轭梯度法,设计的搜索方向满足充分下降性,在一般假设和标准Wolfe线搜索准则下,证明该方法具有全局收敛性,数值实验结果证明提出的新算法是有效的.

强Wolfe线搜索下修正的全局收敛共轭梯度法

针对大规模无约束优化问题,本文提出了一个新的混合共轭梯度公式,以证明在强Wolfe线搜素的准则下以及常规假设条件下新算法的下降性和强收敛性。

一种WYL型谱共轭梯度法的全局收敛性

为解决大规模无约束优化问题,该文结合WYL共轭梯度法和谱共轭梯度法,给出了一种WYL型谱共轭梯度法.在不依赖于任何线搜索的条件下,该方法产生的搜索方向均满足充分下降性,且在强Wolfe线搜索下证明了该方法的全局收敛性.与WYL共轭梯度法的收敛性相比,WYL型谱共轭梯度法推广了线搜索中参数σ的取值范围.最后,相应的数值结果表明了该方法是有效的.

基于共轭梯度法的晶闸管电热耦合模型快速求解方法研究

为解决传统求解技术在处理效率和计算成本上的局限问题,针对晶闸管电热应力耦合交互模型,提出一种基于共轭梯度法的高效解析方法。通过优化迭代过程和收敛条件来显著提升求解效率和精度。新的参数选择策略被引入以自动调整算法迭代步长,加快收敛速度,减少计算资源消耗。相比传统求解方法,所提优化方法在求解时间上平均减少10%,求解精度提高8%。这一进展证明自适应共轭梯度法在电热应力耦合模型快速求解中的有效性,可为电力电子设备热管理提供高效、可靠的计算工具。所提方法在多种测试条件下均表现出显著的提升效率和良好的精确度,为晶闸管电热耦合模型的高效求解提供了创新方案,同时对电力电子领域的相关研究具有重要的实践意义。

一种新的混合共轭梯度法及其在投资组合中的应用

考虑无约束优化问题,在不同维数的空间上获得具有充分下降性的搜索方向,进而提出一个新的混合共轭梯度方法,在梯度Lipschitz连续条件下,证明了算法的全局收敛性。数值实验表明,该算法具有一定竞争力,将该方法应用于求解Markowitz投资组合问题,得到不同收益率下的投资组合策略。

基于改进近似共轭梯度追踪的轴承故障诊断方法

在确保机械系统的可靠性和功能性、生产效率和安全性方面,滚动轴承的状态监测和故障诊断极其重要。然而,故障特征通常总是被背景噪音和其他不稳定的干扰成分所掩盖,这使得这项工作变得非常困难。为了更好地提取轴承故障特征,提出了结合改进的正余弦优化算法(improved sine cosine algorithm, ISCA)的弱选择近似共轭梯度追踪(weak selection approximate conjugate gradient pursuit, WACGP)算法。将惯性权重和非线性参数更新策略引入正余弦优化算法(sine cosine algorithm, SCA)中,提高了信号稀疏表示的效率和精度,以便用字典原子最大限度地逼近原始信号,并且将弱选择策略引入近似共轭梯度追踪(approximate conjugate gradient pursuit, ACGP)中,提高了提取轴承故障特征的速度和能力。通过对轴承的故障仿真信号和实际轴承内、外圈和滚动体振动信号的分析,验证了该方法的有效性。详细说明了与基于正余弦优化的梯度追踪算法的比较,突出了所提出的方法的优点。

基于共轭梯度法的金属化薄膜电容器热点温度反演

热点温度是影响金属化薄膜电容器(metallized film capacitors,MFC)绝缘寿命的重要因素之一,但由于其无法直接测量,因此通常采用热仿真分析或温度反演的方法获得。该文提出了基于共轭梯度法(conjugategradient method,CG)的热点温度反演模型,建立了内部传热过程的温度分布目标函数,采用有限差分法求解电容器温度场,再通过CG对内部温度分布进行迭代求解。同时,通过交流温升试验校核了仿真模型以及反演模型。研究结果表明:热点温升与表面温升存在线性关系,热点温度出现在MFC中央靠近芯轴处,反演模型与仿真模型最大误差为4.35%,说明该模型可实现现场工况下的温度分布、热点分布等的有效预测。

针对视频分类模型的共轭梯度攻击

基于深度神经网络的视频分类模型目前应用广泛,然而最近的研究表明,深度神经网络极易受到对抗样本的欺骗.这类对抗样本含有对人类来说难以察觉的噪声,而其存在对深度神经网络的安全性构成严重威胁.尽管目前已经针对图像的对抗样本产生了相当多的研究,针对视频的对抗攻击仍存在复杂性.通常的对抗攻击采用快速梯度符号方法(FGSM),然而该方法生成的对抗样本攻击成功率低,以及易被察觉,隐蔽性不足.为解决这两个问题,本文受非线性共轭梯度下降法(FR–CG)启发,提出一种针对视频模型的非线性共轭梯度攻击方法.该方法通过松弛约束条件,令搜索步长满足强Wolfe条件,保证了每次迭代的搜索方向与目标函数损失值上升的方向一致.针对UCF-101的实验结果表明,在扰动上界设置为3/255时,本文攻击方法具有91%的攻击成功率.同时本文方法在各个扰动上界下的攻击成功率均比FGSM方法高,且具有更强的隐蔽性,在攻击成功率与运行时间之间实现了良好的平衡.

基于PRP共轭梯度法求解代价函数的RSC码参数识别算法

Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过编码码元约束方程,构建指数形式的代价函数模型,将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题,最后在共轭梯度法的基础上,采用新的PRP步长因子来寻找全域极值点。仿真结果表明,所提算法与现有算法相比,收敛速度更快,在低信噪比下也有良好的识别能力。

修正共轭梯度算法求解四元数Sylvester张量方程

本文提出一类张量形式的修正共轭梯度算法求解四元数Sylvester张量方程.证明在不计舍入误差的情况下,所提方法可在有限迭代步内获得张量方程组的解.进一步,通过选择特殊类型的初始张量,可获得方程组的唯一极小Frobenius范数解.通过数值算例验证了所提出算法的可行性和有效性.

一种放松条件的 Hager-Zhang 共轭梯度算法

共轭梯度(CG)算法是求解无约束二次优化问题的一种经典算法,但其无法求解非二次问题.为解决该问题,在Hager-Zhang共轭梯度下降算法的基础上引入一个新的参数,设计出一种放松条件的CG下降算法.该算法在每次迭代中不会储存雅可比矩阵,因此能够解决大规模非光滑问题.结果表明,该算法不仅满足全局收敛性且数值表现优异,还可求解单调约束方程.因此它比其他CG算法有更强的适应性.

一种充分下降的修正PRP三项共轭梯度算法

共轭梯度算法是求解大规模无约束优化问题最有效的方法之一。文章提出一种新型的修正PRP三项共轭梯度算法,该算法具有不依赖任何线搜索充分下降的特点,搜索方向具有信赖域特征。在较为温和条件下,算法全局收敛。数值实验表明,新算法是有效的,比传统PRP三项共轭梯度算法更具竞争力。The conjugate gradient algorithm is one of the most effective methods for solving large-scale unconstrained optimization problems. This paper proposes a novel modified Polak-Ribière-Polyak (PRP) three-term conjugate gradient algorithm, which possesses the characteristic of ensuring sufficient descent without relying on any line search conditions. The search direction of this algorithm exhibits trust region properties. Under relatively mild conditions, the algorithm achieves global convergence. Numerical experiments demonstrate that the new algorithm is effective and more competitive compared to the classical PRP three-term conjugate gradient algorithm.

NOMA系统中基于共轭梯度迭代自适应的脉冲噪声抑制方法

脉冲噪声对NOMA通信系统的性能造成严重损害。为了抑制NOMA通信系统中的脉冲噪声,提出了一种基于共轭梯度迭代自适应的抑制方法。首先,利用脉冲噪声的稀疏性和NOMA子载波的正交性构建压缩感知模型,基于脉冲噪声高功率谱的特点推导出脉冲噪声的干扰协方差矩阵;然后,在此基础上利用最小化代价函数得到脉冲噪声估计值的表达式,并利用共轭梯度法简化运算得到脉冲噪声估计值;最后,从接收信号中减掉脉冲噪声完成抑制。仿真结果表明,本文方法可以准确估计出脉冲噪声,有效降低系统误比特率,在不同脉冲噪声模型下均具有较好的性能。

一种基于正则化模型的Dai-Liao共轭梯度法

给出一种基于正则化模型的Dai-Liao共轭梯度法.首先,通过极小化3次正则化模型,得到新的Dai-Liao参数t,并在此基础上根据函数在迭代点附近的性质,产生一个自适应的Dai-Liao参数;其次,结合改进的Wolfe线搜索,提出一种基于正则化模型的Dai-Liao共轭梯度法;最后,证明该算法的搜索方向满足充分下降性,并在一般假设下建立该算法的全局收敛性.数值结果表明该算法有效.

分裂可行性问题的一个惯性共轭梯度投影法

基于分裂可行性问题的凸约束非线性单调方程组等价问题,提出了一个新的惯性共轭梯度投影法.该算法不需要计算矩阵A^(⊤)A的最大特征值和多次的复杂投影.在较弱的条件下,证明了算法的全局收敛性,并分析了算法的收敛率.数值试验结果初步表明算法是有效的和鲁棒的.

基于PRP共轭梯度的图像去噪算法

两阶段算法是去除椒盐噪声的一类非常有效的方法.该文设计了一类PRP共轭梯度法来求解两阶段法中的无约束最优化问题.该方法具有两个显著特点:搜索方向具有充分下降性;结合一类定制的Armijo型非精确线搜索,其点列的梯度趋于零,而不是通常共轭梯度法的下极限趋于零.将所设计方法及一些经典的共轭梯度法应用到两阶段算法的最优化问题中,数值结果表明该文设计的方法在收敛速度与计算精度方面都具有优势.

标准Wolfe线搜索下改进的HS共轭梯度法

通过对现有的HS共轭梯度法进行修正,提出一个具有下降性质的改进型HS共轭梯度法,该算法的下降性质得到论证.在标准Wolfe线搜索条件下,证明了改进的HS算法具有全局收敛性.最后,通过数值实验结果的对比,发现新算法数值效果是优异的.

Wolfe线搜下改进的FR型谱共轭梯度法

谱共轭梯度法作为经典共轭梯度法的推广,它是求解大规模无约束优化问题的有效方法之一.基于标准Wolfe线搜索准则和充分下降性条件,提出了一种具有充分下降性质的FR型谱共轭梯度法.在温和的假设条件下,该算法具有全局收敛性.最后,将新算法与现存的修正FR型谱共轭梯度法进行比较,数值结果表明提出的算法是极其有效的.

基于共轭梯度算法的镁板热轧压下量PID控制优化

为了进一步提高镁合金板热轧厚度成形控制能力,设计了一种基于共轭梯度算法的镁合金板热轧压下量PID控制方法。基于共轭梯度算法对压下量PID控制优化,引入到双辊热轧镁合金板带横向厚度分布的预测与控制中。研究结果表明:板带预测压下量分布和真实情况相吻合,说明基于共轭梯度算法的导电用镁合金板热轧压下量PID控制优化设计具有良好可靠性。该预测模型平均绝对误差为4.2μm,这验证了基于共轭梯度算法的导电用镁合金板热轧压下量PID控制优化是可行的。该研究有助于提高热轧镁合金板材的成形效率,也可托找到其它的合金轧制领域,具有很好的应用推广价值。