This paper introduces a hybrid conjugate gradient (CG) method for unconstrained optimization with a spectral strategy, inspired by key advancements in existing CG techniques. The proposed method guarantees a descent direction at every iteration, regardless of the line search scheme employed. Its global convergence is rigorously established under the Wolfe line search conditions. Numerical experiments on benchmark optimization problems demonstrate that the proposed method outperforms the FR and RMIL methods across multiple performance metrics. Furthermore, its effectiveness is showcased in a neural network framework for predicting chickenpox and COVID-19 infection cases, highlighting its practical applicability in real-world scenarios.
Jaringan kolaborasi para penulis
10 penulis ·
31 tautan kepenulisan bersama
· 3 lintas organisasi
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Kuwait Technical College
Sohar University
Sultan Zainal Abidin University
Afiliasi tidak diketahui
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.