|
1：快速迭代，不斷試錯(cuò)，逐步走向成功的彼岸。這是互聯(lián)網(wǎng)時(shí)代的王道。
2：您可以向執(zhí)行官或者其他內(nèi)部人員同時(shí)進(jìn)行演示，或者每次迭代末尾時(shí)為終端用戶進(jìn)行演示，或者對(duì)演示進(jìn)行策劃用戶組會(huì)議，或者以其它方式執(zhí)行。
3：這個(gè)腳本遵循一種類(lèi)似模式，接受一個(gè)屏幕姓名，然后迭代該用戶的關(guān)注者。
4：對(duì)角矩陣及三角矩陣之特征值，相似矩陣，由QR分解計(jì)算特征值，主特征值之迭代估算。
5：電纜的載流量采用二分法進(jìn)行迭代求解.
6：根據(jù)土壤直埋電纜的溫度場(chǎng)特性，利用有限元法對(duì)熱場(chǎng)進(jìn)行剖分和計(jì)算，經(jīng)過(guò)迭代計(jì)算出有土壤直埋電纜的載流量。
7：本文利用共地面點(diǎn)疊加法，通過(guò)迭代的方式逐步求取較為準(zhǔn)確的轉(zhuǎn)換波的靜校正量。
8：隨著計(jì)算機(jī)運(yùn)算速度的飛速發(fā)展，以前只是被看成一種研究方法的迭代算法在圖像重建中越來(lái)越引起人們的重視，并且已經(jīng)在科研、工業(yè)和醫(yī)學(xué)領(lǐng)域中得到了實(shí)際應(yīng)用。
9：為了減少運(yùn)算器件，節(jié)約FPGA的資源，將模逆運(yùn)算轉(zhuǎn)化為模乘運(yùn)算和模平方運(yùn)算的迭代。
10：研究DSPTMS320F240浮點(diǎn)數(shù)開(kāi)平方的理論方法，采用牛頓迭代法完成浮點(diǎn)數(shù)開(kāi)方運(yùn)算。
11：迭代重點(diǎn)強(qiáng)調(diào)小組以可預(yù)言的方式向利益關(guān)系者交付增量值。
12：只不過(guò)商業(yè)軟件的迭代常常對(duì)典型的普通用戶是隱蔽的。
13：該方法采用干擾觀測(cè)器和迭代學(xué)習(xí)算法相結(jié)合的策略，從而可以抑制干擾力對(duì)直線電機(jī)控制系統(tǒng)的影響。
14：這個(gè)過(guò)程是迭代的央求，直到末了的出現(xiàn)或經(jīng)濟(jì)圭表仍舊抵達(dá)。
15：由仿真結(jié)果可以看出，拓寬的ML算法使ML算法在應(yīng)用范圍上有了擴(kuò)展，迭代ML算法減化了ML算法的執(zhí)行時(shí)間。
16：針對(duì)模擬圖像及實(shí)際航片圖像，通過(guò)迭代計(jì)算已知重心點(diǎn)的匹配支持度來(lái)實(shí)現(xiàn)虛假點(diǎn)的剔除。比較處理前后匹配算法的性能，驗(yàn)證了后處理技術(shù)的正確性和有效性。
17：最后對(duì)衛(wèi)星多種姿態(tài)及飛行軌道進(jìn)行了仿真計(jì)算，結(jié)果顯示迭代算法收斂，證明此方法是可行的。
18：本文提出一種具有三階收斂速度的一元方程迭代求根算法.
19：在分析開(kāi)平方迭代算法收斂速度的基礎(chǔ)上,提出了浮點(diǎn)數(shù)開(kāi)平方的初值選取改進(jìn)算法.
20：使用二分法,得到了一個(gè)計(jì)算量最小且收斂性好的新的迭代算法.
21：利用埃特金法,很好地改善了迭代公式的收斂性和收斂速度.
22：針對(duì)LPC參數(shù)量化過(guò)程的多級(jí)VQ碼書(shū)設(shè)計(jì)中順序與迭代順序設(shè)計(jì)算法收斂速度較慢這一缺點(diǎn)，提出了一種新的頑健多級(jí)VQ的聯(lián)合碼書(shū)設(shè)計(jì)方案。
23：通過(guò)以全體樣本對(duì)全體類(lèi)別加權(quán)廣義歐氏權(quán)距離平方和最小為目標(biāo)函數(shù)，建立了模糊聚類(lèi)、識(shí)別與優(yōu)選決策統(tǒng)一的理論與循環(huán)迭代模型。
24：一般情況下，迭代路徑置于容許集的表面上，而不是象單純形法那樣迭代點(diǎn)沿著棱移動(dòng)。
25：這些研究員憑借一種解釋方法來(lái)分析發(fā)聲思維內(nèi)省法，這種方法是改自詮釋學(xué)并加入多數(shù)調(diào)查員所采用的順序迭代法。
26：二百零五、通過(guò)以全體樣本對(duì)全體類(lèi)別加權(quán)廣義歐氏權(quán)距離平方和最小為目標(biāo)函數(shù)，建立了模糊聚類(lèi)、識(shí)別與優(yōu)選決策統(tǒng)一的理論與循環(huán)迭代模型。
27：這個(gè)范型會(huì)激勵(lì)更為迭代和敏捷的開(kāi)發(fā)，業(yè)務(wù)管理者和IT部門(mén)也會(huì)有更緊密的協(xié)作。
28：提供應(yīng)用程序的迷你版，讓客戶對(duì)您下一次迭代不斷地重新調(diào)整。
29：它的幫助來(lái)源于其主要原則：迭代法。
30：基于局部域上象元的整體相關(guān)性和基圖象紋理連續(xù)性，對(duì)已知象元進(jìn)行迭代擬合，同時(shí)修復(fù)多點(diǎn)缺損數(shù)據(jù)。
31：就像每個(gè)迭代都減輕項(xiàng)目風(fēng)險(xiǎn)一樣，每個(gè)向生產(chǎn)的演進(jìn)版本都減少組織的風(fēng)險(xiǎn)。
32：然而，這也是一個(gè)成本較高的選擇，因?yàn)槊慨?dāng)您跨集合內(nèi)容進(jìn)行迭代時(shí)，您就不得不同步所有操作，包括讀和寫(xiě)，以此保證一致性。
33：在大多數(shù)的情況下，菁英微調(diào)突變式基因演算法，可以在花費(fèi)較少的迭代數(shù)目時(shí)，即準(zhǔn)確地收斂到全域最佳解。
34：我們說(shuō)迭代方法的價(jià)值在于降低項(xiàng)目風(fēng)險(xiǎn)，因此利用爭(zhēng)取的度量加強(qiáng)管理使團(tuán)隊(duì)能夠?qū)⑵涓吨T于行動(dòng)之中。
35：本文指出，在矩陣迭代法的迭代過(guò)程中，特征值近似值序列是單調(diào)收斂的，并給出計(jì)算實(shí)例。
36：討論一階非連續(xù)常微分方程初值問(wèn)題的單調(diào)迭代求解，推廣了已知結(jié)果。
37：本文對(duì)該方法實(shí)際應(yīng)用的有效性進(jìn)行了分析和說(shuō)明，并利用共軛梯度迭代技術(shù)實(shí)現(xiàn)了垂直有限線源三維電阻率反演。
38：文中給出了最優(yōu)性條件、次梯度集合的構(gòu)造方法及算法的迭代程序，提出了新的刪除定理，可以減少迭代過(guò)程所儲(chǔ)存的次梯度的信息量。
39：不過(guò)，在這樣的團(tuán)隊(duì)組織中，負(fù)責(zé)對(duì)軟件開(kāi)發(fā)項(xiàng)目做出重大的資金和管理決策的籌劃指導(dǎo)委員會(huì)，通常對(duì)迭代化開(kāi)發(fā)實(shí)踐不太熟悉。
40：到了下星期一所有人重新聚集在一起策劃下一個(gè)迭代周期的工作，如此重復(fù)循環(huán)。
41：我強(qiáng)烈推薦在您的項(xiàng)目中遵循一種迭代的部署過(guò)程，這使得您能在大約幾周內(nèi)了解從概念到系統(tǒng)的運(yùn)行，而不需要幾個(gè)月甚至幾年。
42：本文分別采用懸鏈線方法和集中質(zhì)量法建立錨泊線的靜力平衡方程，給出了離散模型和迭代的計(jì)算步驟。
43：提出了一種機(jī)載慣導(dǎo)系統(tǒng)跑道滑行對(duì)準(zhǔn)的方案和實(shí)施方法，建立了對(duì)準(zhǔn)時(shí)的導(dǎo)航計(jì)算和誤差補(bǔ)償迭代方程，研究了影響對(duì)準(zhǔn)精度的因素和解決的措。
44：本文給出一種程序變換模式，它使用數(shù)組消除二元雙重遞歸函數(shù)的遞歸，直接得到其等價(jià)的迭代解。
45：同時(shí)為了保證學(xué)習(xí)的精度，采用往初始訓(xùn)練樣本集中加入邊界樣本和錯(cuò)分樣本的策略來(lái)更新訓(xùn)練樣本集，迭代訓(xùn)練直到錯(cuò)分樣本數(shù)目不變?yōu)橹埂?/p>
|
