无约束最优化的共轭梯度路非单调信赖域算法

提供了无约束最优化问题的共轭梯度路径非单调信赖域算法。进而获得了共轭梯度路的一些重要性质。基于这些性质和一些合理的假设，证明了算法具有整体收敛性和保持局部超线性收敛速率。     

BP网络激励函数的研究

研究BP算法中激励函数f对收敛速度的影响 ,并将其用于传感器静态误差的综合修正 ,实验证明取得了较好的效果 ,得出了陡峭函数收敛快的结论     

求解线性不等式组的一类无约束极值方法

求解线性不等式组可行解的方法会带来计算的不稳定性或者是低效率。提出了一类新的求解线性不等式组可行解的方法——无约束极值方法。在非空的线性不等式组可行域的相对内域上建立一个非线性极值问题,根据对偶原理,得到一个对偶空间的无约束极值问题和原始、对偶变量之间的简单线性映射关系,将原来的求解线性不等式组问题转化为一个无约束极值问题。应用了Newton法和共轭梯度法。数值实验结果表明,此方法是有效的。     

新的变步长归一化最小均方算法

为了解决最小均方 (L east Mean Square,L MS)算法收敛速度和稳态误差之间的矛盾 ,提出了一种新的变步长归一化 (Norm alized) L MS(NL MS)算法。这种算法根据滤波器系数的梯度计算新的步长。当算法尚未收敛时 ,使用较大的步长 ;随着收敛程度的加深 ,逐渐减小步长。试验显示了该算法具有很好的收敛性能和跟踪性能。与其它的变步长L MS算法相比 ,该算法在标准 NL MS算法基础上增加的运算量和存储量都很少且与阶数无关 ;而且该算法的参数受观测噪声的影响很小 ,在观测噪声强度发生变化的情况下不需要重新调整参数 ,仍然可以保持很好的收敛性能     

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解     

波分复用器件自聚焦透镜耦合系统的优化设计

利用光纤矩阵方法和高斯光学的耦合损耗理论，对波分复用器件的自聚焦透镜耦合系统进行了分析，得出了一种优化设计耦合系统的分析和计算方法。结合计算结果的曲线，分析了耦合系统中透镜长度对耦合损耗的影响，提出了通过调整入射单模光纤与自聚集透镜粘接的角度来减小耦合损耗的新方法。     

齿面润滑压力和油膜厚度的数值分析

采用梯度－牛顿联合法对直齿圆柱齿轮传动进行了弹流润滑数值分析，得出了沿齿廓各啮合点的弹流压力分布及最小油膜厚度，为齿轮传动的摩擦学设计提供了初步的理论依据。     

LS-共轭梯度算法的收敛性

对无约束规划 (P) :minx∈Rnf(x) ,其中 f(x)是Rn→R1上的二阶连续可微函数 ,通过引入强迫函数和逆连续模函数 ,证明了一类采用Curry Altman步长规则的LS 共轭梯度算法的全局收敛性质 ,利用比较原理进一步讨论了LS 共轭梯度算法在采用另外三种步长规则下的全局收敛性     

完备非紧梯度扩张Ricci孤立子的刚性

利用已有梯度Ricci孤立子的刚性定理, 讨论完备非紧梯度扩张Ricci孤立子, 在Ricci曲率非负、 径向曲率为0及Weyl张量的四阶散度非负的条件下, 得到了其刚性的结果.