ข้อมูลจากบทคัดย่อ
บทความเสนอพารามิเตอร์ revised RMIL และพารามิเตอร์สเปกตรัลคอนจูเกตเกรเดียนต์สามแบบสำหรับแก้ปัญหาเหมาะที่สุดไม่เชิงเส้นแบบไม่มีข้อจำกัด รวมถึงแบบจำลองการเลือกพอร์ตลงทุน วิธีหนึ่งขยายวิธีอื่นด้วยเงื่อนไขคอนจูเกซีแบบขยายเพื่อลดการพึ่งพาการค้นหาตามแนวเส้นอย่างแม่นยำ ผู้เขียนพิสูจน์เงื่อนไขทิศทางลดลงที่เพียงพอและการลู่เข้าทั่วโลกภายใต้สมมติฐานที่กำหนด แล้วทดสอบกับโจทย์มาตรฐานและแบบจำลองพอร์ต ผลเชิงตัวเลขชี้ว่าวิธีทั่วไปมีประสิทธิภาพและน่าใช้ อย่างไรก็ตามข้อสรุปด้านสมรรถนะขึ้นกับชุดโจทย์ เกณฑ์หยุด และวิธีเปรียบเทียบ จึงควรทดสอบกับปัญหาขนาดใหญ่และข้อมูลตลาดนอกตัวอย่างก่อนใช้ตัดสินใจลงทุน
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 70/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Stochastic Gradient Optimization Techniques · Advanced Optimization Algorithms Research · Sparse and Compressive Sensing Techniques
บทบาทของนักวิจัยและสถาบันไทย
Nasiru Salihu · Poom Kumam · Supak Phiangsungnoen · King Mongkut's University of Technology Thonburi · Rajamangala University of Technology Rattanakosin
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง