این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Numerical Analysis and Optimization، جلد ۱۵، شماره Issue ۱، صفحات ۱-۲۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Global convergence of modified conjugate gradient methods with application in conditional model regression function
چکیده انگلیسی مقاله The conjugate gradient method is one of the most important ideas in sci-entific computing. It is applied to solving linear systems of equations and nonlinear optimization problems. In this paper, based on a variant of the Hestenes–Stiefel (HS) method and Polak–Ribière–Polyak (PRP) method, two modified conjugate gradient methods (named MHS∗ and MPRP∗) are presented and analyzed. The search direction of the presented methods fulfills the sufficient descent condition at each iteration. We establish the global convergence of the proposed algorithms under normal assumptions and strong Wolfe line search. Preliminary elementary numerical experi-ment results are presented, demonstrating the promise and the effective-ness of the proposed methods. Finally, the proposed methods are further extended to solve the problem of conditional model regression function.
کلیدواژه‌های انگلیسی مقاله Conjugate Gradient Method,Inexact line search,Descent condi-tion,Global convergence,Numerical comparisons,Conditional model regres-sion,Kernel estimator
نویسندگان مقاله C. Yacine |
Laboratory Informatics and Mathematics (LIM), Mohamed Cherif Messaadia University, Souk Ahras, 41000, Algeria.

Abd Elhamid |
Laboratory Informatics and Mathematics (LIM), Mohamed Cherif Messaadia University, Souk Ahras, 41000, Algeria.

نشانی اینترنتی https://ijnao.um.ac.ir/article_45163_cc9c7fb18367f2fff8b33574db16a56f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات