共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-failed to translate

共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-Conjugate Gradient Method (Conjugate Gradient) is between the steepest descent method between a law an

Descr iption 给定n个输入输出对，用给定的m次多项式拟合输入输出关系。当n大于多项式阶数m时，化为超定方程求解问题。这里采用最小二乘方法求解。问题建模如下： 1 化为矩阵形式： 2 其中 3 对上式求导，易得 4 利用对X的QR分解可以有效地降低上述运算的复杂度，并提高精度。请完成推导，并据此设计算法计算参数a*。 Input Descr iption 第一行输入n和m

d维空间中N个点，求这些点的最小体积覆盖椭球。 算法：针对其对偶问题，采用Franke-Wolfe序列线性逼近策略，逐次求得最优乘子，进而求出椭球的相关参数，又称Khachiyan一阶导数算法。 适用范围：中小规模数据集-Minimum Volume Enclosing Ellipsoid； MVEE