非标检测算法中常见的优化算法主要包括梯度下降法、牛顿法和拟牛顿法、共轭梯度法等。以下是对这些优化算法的详细介绍：
1. 梯度下降法
批量梯度下降：每次迭代都需要把所有样本都送入，做的是全局最优化，但可能达到局部最优。
随机梯度下降：每次更新时随机选择一部分样本计算梯度，减少了计算复杂度，有助于跳出局部最优解。
小批量梯度下降：每次从样本中随机抽取一小批进行训练，既保证了效果又保证了速度。
动量法：在随机梯度下降法的基础上，增加了动量的技术，加速训练并缓解收敛不稳定的问题。
2. 牛顿法和拟牛顿法
牛顿法是一种通过迭代求解方程的方法，用于寻找函数的零点。
拟牛顿法是牛顿法的近似方法，通过构造近似的Hessian矩阵来减少计算量。
3. 共轭梯度法
共轭梯度法是一种在大型线性或二次优化问题中常用的方法，它利用共轭方向来加速收敛。
还有一些其他的优化算法，如启发式优化法、拉格朗日乘数法等，也在非标检测算法中有一定的应用。在实际应用中，选择合适的优化算法需要根据具体问题的性质、数据规模、计算资源等因素进行综合考虑。
