matlab的trainingOptions()有哪些优化算法

MATLAB中的`trainingOptions`函数是一个用于配置神经网络、支持向量机（SVM）、决策树等机器学习模型训练过程的工具。它提供了丰富的选项来指定各种优化算法，包括但不限于：

1. **梯度下降法** (SGD)：Stochastic Gradient Descent，随机梯度下降，适用于处理大规模数据集。
2. **动量法** (Momentum)：引入了过去梯度方向的记忆，帮助加速收敛。
3. **Nesterov动量** (Nesterov Momentum)：改进版的动量法，先预测一步再更新。
4. **RMSprop**：Root Mean Square Propagation，一种自适应学习率算法，对每个参数有独立的学习率。
5. **AdaGrad**：Adaptive Gradient，基于历史梯度平方调整学习率。
6. **Adadelta**：自适应学习率算法，结合了RMSprop和Adagrad的特点。
7. **Adam**：Adaptive Moment Estimation，结合了动量项和RMSprop的优点。
8. **LBFGS**：Limited-memory Broyden-Fletcher-Goldfarb-Shanno算法，是一种基于拟牛顿法的优化算法。
9. **L-BFGS-B**：LBFGS算法的一个变种，特别适合于带有约束条件的问题。

当使用`trainingOptions`时，你可以通过设置`Optimizer`参数来选择特定的优化算法。例如：

options = trainingOptions('adam', ...);