一种新的具有多个储备池的回声状态网

回声状态网是一种新型的递归神经网络,仅需要训练输出权值,克服了传统递归神经网络存在训练算法过于复杂、收敛速度慢、易于陷入局部最小等问题.为进一步提高回声状态网的建模能力,特别是面临实现多个正弦函数叠加(MSO)等任务时的逼近能力,提出了由泄露积分型神经元构建一种新型的多储备池回声状态网,称为多储备池泄露积分回声状态网(MLESN). MLESN是采用由顶向下和由底向上相结合的思路构建回声状态网.首先采用由顶向下的思路构建回声状态网,假设其储备池由P类相异泄露积分型神经元构成,每一类神经元的群体将构成一个子储备池.然后采用由底向上方式构建回声状态网,生成P个相异中心神经元,分别代表P个子储备池,每个子储备池的神经元状态要与其中心神经元状态相同或相近,P个中心神经元之间通过随机稀疏连接构成了一个新的虚拟子储备池.在储备池状态更新过程中,仍需保持各子储备池内部神经元之间的差异性小,不同子储备池神经元状态之间的差异性大的特点.最后,利用Matlab仿真软件进行实现,并与泄露积分型回声状态网(Leaky-ESN)预测性能进行比较.仿真结果表示,本文提出的方法具有更高的预测精度和预测误差波动性小等特点.     

关于Hermite矩阵的若干不等式

利用矩阵不等式的相关知识，以及Neumann不等式和已知的实数不等式，将2个简单的实数不等式推广到矩阵迹和范数领域，得到矩阵范数不等式的推广形式.     

H-矩阵最小奇异值的一个下界

给出了Nekrasov矩阵逆的1范数上界，并在此基础上获得了Nekrasov矩阵的最小奇异值的一个下界.将结果应用到 H-矩阵，结果表明，新的估计是有效的.     

等周约束条件下泛函的无条件极值曲线求法证明

利用函数的连续偏导数,积分分部求解,函数极值的性质,在结合常微分方程中隐函数定理性质,以及高阶常微分方程求解知识,证明了在等周问题约束条件下将条件极值转为无条件极值的类Euler方程.     

基于ASTER-GDEM数据的浙东四明山地貌特征研究

基于ASTER-GDEM数据,运用ArcGIS空间分析功能,通过地势起伏度、条带分析及面积-高程积分三种方法,探讨了浙江东部四明山山地地貌的形态特征.结果表明,四明山由于受断裂构造控制的影响,主体呈NE-SW向展布,中山、低山、丘陵和山麓平原的面积分别占0.6%、16.2%、32.7%和50.5%,山地起伏度较小(平均约81m).条带分析表明,山顶残存有多处面积大小不等的古夷平面,它们的高程与玄武岩台地的高程基本一致,南部高出北部约300 m.山地各子流域的面积-高程积分分析表明,HI值在0~0.35、0.35~0.45和0.45~0.60区间段分别占47.31%、30.58%和22.11%,分别对应老年期、壮年(偏老)期和壮年期的地貌发育阶段.山地目前主要受外力剥蚀的影响.