Pascal文法子集的词法分析器和语法分析器，在vc++ 6.0下运行成功，c语言编写

利用梯度下降算法,进行机器学习.利用C++实现下降算法.

该资源为一个压缩文件，里面用的是递归下降法实现for循环的三元式和四元式的输出。既有代码又有陈程设计报告，代码讲解比较详尽。

包含最速下降法的MATLAB，并与其他方法进行比较。

MATLAB实现最速下降法MATLAB实现最速下降法MATLAB实现最速下降法MATLAB实现最速下降法

需要实现的语法分析程序的功能是，接受一个表达式，分析该表达式，并根据输入正确与否给出相应信息。测试时，如果输入的表达式分析正确，则输出表示分析正确的信息；否则，输出表示分析错误的信息。

文法：E->TE' E'->+TE'|ε T->FT' T'->*FT'|ε F->(E)|i 构造上述LL（1）文法的递归下降分析程序

我的思路是这样的： 最速下降法能找出全局最优点，但在接近最优点的区域内就会陷入“齿型”迭代中，使其每进行一步迭代都要花掉非常久的时间，这样长久的等待是无法忍受的，不信你就在我那个程序的第一步迭代中把精度取得很小如：0.000000001等，其实我等过一个钟都没有什么结果出来。 再者我们考究一下 牛顿迭代法求最优问题，牛顿法相对最速下降法的速度就快得多了，而且还有一个好处就是能高度逼近最优值，而不会出现死等待的现象。 如后面的精度，你可以取如：0.0000000000001等。 但是牛顿法也有缺点，就是要求的初始值非常严格，如果取不好，逼近的最优解将不收敛，甚至不是最优解。 就算收敛也不能保证那个结就是全局最优解，所以我们的出发点应该是：为牛顿法找到一个好的初始点，而且这个初始点应该是在全局最优点附近，这个初始点就能保证牛顿法高精度收敛到最优点，而且速度还很快。 思路概括如下： 1。用最速下降法在大范围找到一个好的初始点给牛顿法：（最速下降法在精度不是很高的情况下逼近速度也是蛮快的） 2。在最优点附近改用牛顿法，用最速下降法找到的点为牛顿法的初始点，提高逼近速度与精度。 3。这样两种方法相结合，既能提高逼近的精度，还能提高逼近的速度，而且还能保证是全局最优点。这就充分吸收各自的优点，扬长避短。得到理想的结果了。

用C++实现了梯度下降求多元函数极值的算法，有可能会陷入局部最优解。

c语言编写的递归下降语法分析器的算法，测试成功可以直接跑代码