返回
Multi-point Directional Minimization for Conjugate Gradient Algorithm
DOI:10.1007/978-3-032-03705-3_2.png)
摘要
En 中文
共轭梯度(CG)算法是训练神经网络的一种广泛应用的方法。其计算量最大的步骤是方向最小化。本文介绍了一种CG算法的新型改进方法,该方法加速了方向最小化,从而显著减少了计算时间。提出的改进方法在选定的测试案例中进行评估,并将其性能与经典的CG方法进行了比较。
Keyword:
feedforward neural network
supervised learning
conjugate gradient algorithm
parallel computation
期刊
A
IF:
0
论文数:
24
被引数:
0
机构
引用论文
Accelerating Neural Network Training with FSGQR: A Scalable and High-Performance Alternative to Adam

