商半环的强分配格

给出了半环的强分配格的商半环为其相对应的半环的商半环的强分配格的充要条件.     

非线性常微分方程数值解的渐近表示以及应用

对于非线性常微分方程一般不存在解析解,但是通过数值方法发现,有些非线性常微分方程的振荡渐近解是有规律的.因此,可以用最小二乘法等方法对这些数值解拟合出渐近解,在此基础上,再通过理论分析得出更具体的结果,为非线性微分方程的研究提供了一种途径.为了提高计算精度、避免计算过程出现崩溃,我们引入了数值解的函数变换和自变量变换的方法,这也保证了数值结果的可靠性.本文通过对数值解的渐近表示,验证了Painlevé方程振荡渐近解的一些现有结果,并得出一些新的结果.     

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

红-黑小波变换

介绍一种新的第二代小波变换——红-黑小波变换，它是把矩形栅格的数字图像分成红块和黑块，利用二雏提升格式进行构造。并从理论上与张量积小波变换进行了比较。实验表明红．黑小波变换可以更有效地去除图像的相关性并得到更稀疏的图像表示，在图像压缩中红．黑小波变换比传统小波变换更有效。     

具有适应能力的Web课件设计与关键技术

传统的基于网络的CAI系统由于缺乏推理机制和学生模型的支持,不能根据学生的知识水平、认知特点和理解能力提供适合该生的学习材料并作出有针对性的指导.介绍了一种基于Web的具有适应能力的课件模型,它综合利用人工智能技术、多媒体技术、数据库技术和网络技术所设计的课件,能让学生根据各自的学习情况动态组织教学内容,为学生提供个性化的服务.讨论了实现过程中的关键技术.     

非线性演化方程族的零曲率表示

利用泛函梯度,从一般的谱问题ψx=U(u,λ)ψ出发,通过直接计算,得到了两族非线性演化方程的零曲率表示。这种方法方便有效且对于其它非线性演化方程同样适用。     

n次积分C-半群的表示定理

利用指数有界的n次积分C-半群的基本性质，用两种不同的方法证明了它的指数公式。     

基因块编码的并行遗传算法及其在TSP中的应用

针对简单遗传算法在较大规模组合优化问题上搜索效率不高的现象,提出了一种用基因块编码的并行遗传算法(Building-block Coded Parallel GA,BCPGA).该方法以粗粒度并行遗传算法为基本框架,在染色体群体中识别出可能的基因块,然后用基因块作为新的基因单位对染色体重新编码,产生长度较短的染色体,再用重新编码的染色体群体作为下一轮以相同方式演化的初始群体.将BCPGA应用于一个100城市的旅行商问题(TSP)中,结果表明本方法可以提高遗传算法的搜索效率,并且在相同条件下,BCPGA明显优于单纯的粗粒度并行遗传算法.     

智能桌面元搜索引擎中个性化研究

随着WWW信息量的急剧膨胀,当前的搜索引擎已经不能够很好的满足人们信息搜索的需求,元搜索引擎作为下一代功能更强大、更具智能的方案而成为当前的研究热点.本文针对桌面搜索引擎易于获得单个用户个性化信息的特点,提出了个性化桌面元搜索引擎的解决方案,从它的体系结构到局部的技术难点都作了详细描述,同时最后给出总结和展望.     

神经网络TSP问题仿真分析

描述了Hopfield神经网络和自组织特征映射神经网络解决TSP问题时的求解过程和仿真算法.通过对两种算法的仿真比较,得出以下结论:对于较大规模的TSP问题,SOFM模型的寻优结果要优于HNN模型寻优结果;HNN对网络模型参数和初始条件具有很强的依赖性且调整参数组合非常困难,而SOFM的参数设置和调整相对要简单得多;SOFM算法对待解决问题的拓扑分布不敏感,而HNN算法的收敛性对待求解问题的自身分布有很强的依赖性;当待求解问题的数目增大时,SOFM算法的运算时间增加缓慢,而HNN算法的运算时间增加较快.因此,在解决TSP问题时,自组织特征映射神经网络比Hopfield神经网络的效率高,随着问题规模的增大,其优势更为明显.