U-Lagrange函数,U-Lagrangian
1)U-LagrangianU-Lagrange函数
1.The U-Lagrangian of a Proper Convex Function;正常凸函数的U-Lagrange函数
2)U-Lagrange FunctionU-Lagrange函数
1.Secondly, we introduce U-lagrange function, optimal solution set and the second-order approximation.第二章是预备知识,首先介绍了UV-空间分解理论及其相关性质,然后引入了U-Lagrange函数,U-Lagrange高阶性质及其最优解集,最后给出广义海赛阵的定义及性质。
2.By the proximal subdifferential,we get some results of UV-decomposition the corresponding,U-lagrange function,optimal solution set W(u) and the second-order approximation.函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U-Lagrange函数与其最优解集W(u)的相关性质和二阶近似的结果。
3)Lagrange functionLagrange函数
1.Lagrange function in non-inertial system;非惯性系中的Lagrange函数
2.Weights and parameters of feed-forward neural network are optimized by augmented Lagrange function,iterative formulas of FNN are obtained,and then blind multi-user detection algorithm is realized.利用增广Lagrange函数方法对带约束的代价函数进行优化求解,获得前馈神经网络网络权值和参数的迭代公式,从而实现了盲多用户检测。
3.Based on two different Lagrange functions, the reduced-order nonlinear coupled dynamic equations of the coupling system are obtained, resulting in significant simplification of the formulation of the problem.以常重力作用下矩形贮箱类液固耦合系统受到俯仰激励情形为例，本文采用与以往不同的方式，在描述耦合系统中的液体子系统和结构子系统时，分别运用了两种不同形式的Lagrange函数，以此为基础可以得到降阶的系统耦合动力学方程，该方法大大减少了公式的推导工作。
英文短句/例句

1.A New u-Lagrangian;一个新的u-Lagrange函数
2.Recursive Quadratic Programming Methods Based on the Augmented Lagrangian;基于增广Lagrange函数的RQP方法
3.A method for computing acceleration-dependent Lagrangians计算加速度相关Lagrange函数的方法
4.A nonlinear Lagrangian for constrained programming求解约束规划的一个非线性Lagrange函数
5.Acceleration-dependent Lagrangians in classical mechanics经典力学中加速度相关的Lagrange函数
6.Saddle point conditon of incomplete Lagrange function非完全Lagrange函数的鞍点条件
7.A Nonlinear Lagrangian for Optimization Problems with Inequality Constraints求解不等式约束优化问题的一个非线性Lagrange函数
8.Effects of Equivalent Transformations of Lagrange Functions on Symmetries and Conserved Quantities of Mechanics SystemsLagrange函数等效变换对力学系统对称性和守恒量的影响
9.On the Lebesgue Function of Generalized Freud-Type Weights and Two Kinds of Interpolation Approximation;加权Lagrange插值的Lebesgue函数和两类插值逼近
10.Local Lagrange Interpolation by Super Spline Spaces on Triangulations;超样条函数空间的局部Lagrange插值
11.The Formational Methods of Additional Function in the Value Principle ofLagrange;Lagrange中值定理辅助函数的构造方法
12.Degree of Approximation of a Special Lagrange Polynomial Approxmating the Smooth Function;一类特殊Lagrange多项式逼近光滑函数的逼近度
13.Local Lagrange Interpolation by Bivariate Splines of Degree Seven on Triangulated Quadrangulation四边形三角化部分下二元七次样条函数空间上局部Lagrange插值
14.Research on Local Lagrangian Numerical Differentiation;局部Lagrange数值微分法研究
15.Analysis of Lagrange Multiplication;对Lagrange乘数法的两点浅析
16.Lagrange Interpolation and Hermite Interpolation Along the Algebraic Manifold代数流形上的Lagrange插值和Hermite插值
17.Global exponential stability in Lagrange sense for a class of neural networks一类神经网络的Lagrange全局指数稳定性
18.Saddle Point Theorem and its Applications in the Method of Lagrange Multiplier鞍点定理在Lagrange乘数法上的应用
相关短句/例句

U-Lagrange FunctionU-Lagrange函数
1.Secondly, we introduce U-lagrange function, optimal solution set and the second-order approximation.第二章是预备知识,首先介绍了UV-空间分解理论及其相关性质,然后引入了U-Lagrange函数,U-Lagrange高阶性质及其最优解集,最后给出广义海赛阵的定义及性质。
2.By the proximal subdifferential,we get some results of UV-decomposition the corresponding,U-lagrange function,optimal solution set W(u) and the second-order approximation.函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U-Lagrange函数与其最优解集W(u)的相关性质和二阶近似的结果。
3)Lagrange functionLagrange函数
1.Lagrange function in non-inertial system;非惯性系中的Lagrange函数
2.Weights and parameters of feed-forward neural network are optimized by augmented Lagrange function,iterative formulas of FNN are obtained,and then blind multi-user detection algorithm is realized.利用增广Lagrange函数方法对带约束的代价函数进行优化求解,获得前馈神经网络网络权值和参数的迭代公式,从而实现了盲多用户检测。
3.Based on two different Lagrange functions, the reduced-order nonlinear coupled dynamic equations of the coupling system are obtained, resulting in significant simplification of the formulation of the problem.以常重力作用下矩形贮箱类液固耦合系统受到俯仰激励情形为例，本文采用与以往不同的方式，在描述耦合系统中的液体子系统和结构子系统时，分别运用了两种不同形式的Lagrange函数，以此为基础可以得到降阶的系统耦合动力学方程，该方法大大减少了公式的推导工作。
4)Lagrangian functionLagrange函数
1.Lagrangian function and conserved quantity of one-dimensional relativistic harmonic oscillator containing a quadratic velocity drag force term;含速率平方阻力项的一维相对论谐振子的Lagrange函数与守恒量
5)analogous Lagrange function类Lagrange函数
6)μ-Lagrangianμ-Lagrange函数
延伸阅读

Lagrange函数Lagrange函数Lagrange function 场脚明笋函数11)脚l笔e加目出佣扮)hp明。中担刘“，] 一种在求解多变量函数和泛函的条件极值问题时所利用的函数.通过肠郎阳罗函数，可以写出条件极值问题的最优性必要条件.这时不需要用一些变量来表示另一些变量或者考虑并非所有变量都是独立的这一事实通过加即阴罗函数所得到的必要条件形成一个封闭的关系式组，所要求的条件极值间题的最优解就包含在它的解中.加脚nge函数既用于线性和非线性规划的理论问题中，也用于某些计算方法的构造中. 例如，假设有下列多变量函数的条件极值问题:求函数 f(xl，…，x。)(l)的最大值或最小值，条件为 g:(x!，…，戈。)=b;，i=l，·…(2) 川;mr(G)，那么为了满足乘子法则，必须设石=0.尤其是，如果r(G力=r(G)=m(在实际间题中最经常发生的情形)，那么石可唯一确定，但是如果;(G力>r(G)或r(G户=;(G)0的指标j的集合，J0是满足xjf一o的指标J的集合，以及I是i一l，…，mZ中使得限制(7)在x’上作为严格不等式来满足的指标集合.那么存在这样的向量又‘=(又:，…，又二)， 对于‘一‘，二，m，，*))。，1 对于茁=阴.十1，…，m，，石(O，l_、 -·，。一厂二__一户(10) 对于i=m，+1，…，m，厂的符号不定，I 对于作I，石一0，J使得 。F(x‘，又’)=。f(x’)_ 日xz口xz 召二己g‘(x’)f=o，对于joJ， 一夕J又一《__.__咬11) ，昌‘’‘旅，走(0，对于j〔J。， 刁r(x‘，又’)_ 己又， 厂)0.对于i=1，·…。、 =b‘一夕:(x’)月蕊0，对于i=。，+l，…，mZ， 仁=o，对于i二。2+z，…，，. (12) 所提出的必要条件推广了条件(4)，(5).利用函数F(x，劝的鞍点(saddk point)的概念可以解释这些条件.在鞍点(x‘，又’)上，函数F(x，劝满足不等式 F(x，兄’)蕊F(x‘，又’)蕊F(x‘，劝.使条件(10)一(12)成立的点(x’，又’)满足对于恤脚列酮函数F(x，劝在x妻0和使(10)成立的又的集合上的鞍点的必要条件.在f(x)对于x)0为凹函数以及g，(x)对于之:>0为凸，而对于厂<0为凹(i=1，…，m)的情况下，必要条件也变为充分条件，即由必要条件所求得的点(x‘，又’)是肠g-m刊笋函数F(x，几)对于x)0和满足(10)的又的鞍点，并且f(x’)是f(义)在限制(7)，(8)下的绝对最大值. 除了以形式(9)来表达的L姆租〕ge函数以外，还有以其他形式来表达的u脚叫笋函数、它与前者的不同之处在于加g翅1罗乘子的符号.必要条件的表达形式也有所改变.假设给定下列非线性规划问题:求 f(x)(13)的最大值，条件为 g，(x))0，i=l，二，m，(14) x)0.(15)对于i=1，，二，水:的限制(7)可通过简单的变换而归结为(14).等式型条件夕，(x)=b，(i>m之)可代替为不等式夕.(x)一b‘)o和b，一g‘(x))o，从而也可以归结为形式(14). 假设加g旧n罗函数记为形式 尸(，，“)一f(x)+万1“‘。