| 1 |
توابع شبه محدب-اکیدا شبه محدب-محدب نما |
|
| 2 |
مینیمم محلی و سراسری و قضایای در ارتباط با برنامه ریزی محدب |
|
| 3 |
شرایط لازم و کافی مرتبه دوم |
|
| 4 |
لم فارکاس و قضیه گوردن |
|
| 5 |
شرایط لازم و کافی KKT |
|
| 6 |
شرایط لازم و کافی FJ |
|
| 7 |
دوگان برنامه ریزی غیرخطی و شکاف دوگانی |
|
| 8 |
دوگان برنامه ریزی خطی و درجه دوم |
|
| 9 |
روش طلایی برای مسایل نامقید |
|
| 10 |
روش فیبوناچی برای حل مسایل نامقید |
|
| 11 |
روش دو بخشی برای حل مسایل نامقید |
|
| 12 |
روش نیوتن برای مسایل نامقید |
|
| 13 |
روش نیوتن اصلاح شده |
|
| 14 |
روش تندترین شیب برای مسایل نامقید |
|
| 15 |
روش تندترین شیب برای حل برنامه ریزی درجه دوم |
|
| 16 |
روش SQP برای حل برنامه ریزی غیر خطی |
|
| 17 |
روش تصویر گرادیان برای برنامه ریزی غیر خطی |
|
| 18 |
ادامه روش تصویر گرادیان و مثال عددی |
|
| 19 |
معیارهای نقطه زینی در برنامه ریزی غیر خطی |
|
| 20 |
یک روش برشی برای حل مساله دوگان در حالت غیر خطی |
|
| 21 |
ادامه روش برشی برای حل مساله اولیه |
|
| 22 |
روش گرادیان مزدوج برای مسایل نامقید |
|
| 23 |
ماشین بردار پشتیبان برای داده های جدایی پذیر |
|
| 24 |
معرفی شبکه عصبی زیا و وانگ |
|
| 25 |
معرفی شبکه عصبی دو لایه برای حل معادله تصویر خطی |
|
| 26 |
بررسی پایداری شبکه عصبی زیا و وانگ |
|
| 27 |
کاربردهای شبکه عصبی زیا و وانگ |
|
| 28 |
شبکه عصبی تک لایه برای حل معادله تصویر غیر خطی |
|
| 29 |
معرفی تابع لیاپانف مناسب برای پایداری مدل |
|
| 30 |
قضایای مربوط توابع محدب |
|