func目标函数句柄（对象），x0是初始值，options是参数，参数内容可以在这个函数里面的看到。
无约束优化方法-直接方法（坐标轮换法）无约束最优化方法的一般步骤可以总结如下： 选择初始点，这一点越靠近局部极小点越好；已取得某设计点，选择一个设计方向，沿此方向搜索，函数值需是下降的，是下降方向；从出发，沿方向...
发简信
IP属地：上海
-
-
-
-
-
你如何分配每天的三个8小时？学做这个日程表，做时间的掌控者
“没时间”似乎已经成为职场人的口头禅，读书学习没时间，陪伴家人没时间，锻炼身体更没时间。 “没时间”这回事其实不真的是时间的绝对贬值，而是我们自己的价值排列和选择问题。当你说...
-
Lecture 13 生成模型之前了解到的都是有监督学习（Supervised Learning）：我们有数据x和标签y，目标是学习到一个函数可以将数据x映射到标签y，标签可以有很多形式。典型的有监督学习...
-
-
H公司研发工程师，喜欢研究机器学习、神经网络的前沿算法&图像处理算法<br>简书主页：<a href="https://www.jianshu.com/u/67426bc5bd59" rel="nofollow" target="_blank">https://www.jianshu.com/u/67426bc5bd59</a><br>知乎主页：<a href="https://www.zhihu.com/people/zhang-lei-63-74-59/activities" rel="nofollow" target="_blank">https://www.zhihu.com/people/zhang-lei-63-74-59/activities</a><br>CSDN主页：<a href="http://blog.csdn.net/docrazy5351" rel="nofollow" target="_blank">http://blog.csdn.net/docrazy5351</a>
-
无约束优化方法-一阶导数（最速下降法）
利用导数信息的方法皆为间接方法。在无约束优化法最开始介绍时，提到迭代形式的优化方法关键步骤是确定搜索方向和步长。间接方法更为关注搜索方向的确定，其原则使得并满足。换句话说，在...
-
有趣的事情很多，看你愿不愿意去学习了
-
无约束优化方法-直接方法（Downhill Simplex）
Downhill simplex 方法又称为Nelder-Mead算法、Amoeba方法，由Spendley、Hext和Himsworth于1962年提出；Nelder和Me...
-
怎样（不）功利地生活
不听劝，就赔钱？ 我爸是个资深股民，技术却不敢恭维。虽然经历过几次好运气，股金一度翻倍，但终究架不住利令智昏，从失败走向失败。不过，十多年的炒股经，日常中的“评论员”；大道理...
-
无约束优化方法-直接方法（Powell与改进Powell）在坐标轮换法中，可知其收敛速度慢，且受到等值线的形状的影像。原因可归结为其搜索方向总是平行于坐标轴，不适应函数的变换情况。针对这样的问题，共轭方向可以较好解决。 那什么叫共轭...
-
无约束优化方法-直接方法（坐标轮换法）无约束最优化方法的一般步骤可以总结如下： 选择初始点，这一点越靠近局部极小点越好；已取得某设计点，选择一个设计方向，沿此方向搜索，函数值需是下降的，是下降方向；从出发，沿方向...
-
优化方法基础系列-非精确的一维搜索技术选择最优步长的精确搜索方法往往计算量大，特别是当迭代点远离最优解时，效率很低，而且很多最优化算法的收敛速度并不依赖于精确的一维搜索过程。这促使一些研究者放宽了一维搜索的精确要...
-
优化方法基础系列-精确的一维搜索技术
在学习各种优化方法之前，我们需要先从简单的一维优化问题开始，即只有单一变量的优化问题，解决这类问题的方法可称为一维搜索技术，亦可称为线性所搜（Line Search）。一维搜...
-
优化方法基础系列-优化问题分类最优化问题可以按照优化问题的状态来进行分类，可分了两类，即静态问题和动态问题。本优化方法系列主要从静脉问题方面进行记录，总结与概述。主要目的是便于以后查看和复习使用。 无约束...
