BP网络自适应学习率研究

分析了自适应学习率BP算法，并对其进行了总结分类，针对每一类介绍了几种具体的自适应学习率BP算法。最后结合XOR问题把一种自适应学习率BP算法和标准BP算法进行了比较和评价。  

一类新的强Wolfe线性搜索下的记忆梯度法

研究一类新的无约束优化记忆梯度算法，并在强Wolfe线性搜索下证明了其全局收敛性．当目标函数为一致凸函数时，对其线性收敛速率进行了分析．  

含时延的双向联想记忆神经网络的指数吸引性分析

针对含时延的双向联想记忆神经网络模型具有多个对应于不同记忆模式的平衡点的特点，采用不等式技巧和非负矩阵性质，建立了平衡点指数吸引域及其指数收敛速度估计的方法，所得结论对含时延的双向联想记忆神经网的设计和容错性能的评价都很有意义。  

Baskakov算子的收敛速度的估计

对概率型Baskakov算子算子Bn^*(f,x)在（0，＋∞）上，收敛于[f(x^ ) f(x^-)]/2的收敛性进行研究。利用概率论的方法，对Guo和Khan关于Bn^*(f,x)收敛速度的估计作进一步的改进，得到更精确的系数估计。  

刻度指数族参数的经验Bayes检验问题

论文在加权“线性损失”下讨论刻度指数族中参数的经验Bayes(EB)检验问题．利用概率密度函数及其导数的核估计方法构造了EB检验函数，并证明它的渐近最优性，获得其收敛速度．最后，给出两个应用．  

迭代学习控制的收敛速度分析

针对线性时不变控制系统,讨论了D型和P型学习律收敛速度问题.利用时间加权范数和Frobenius范数给出了迭代学习控制系统在D型和P型学习律作用下收敛的充分性条件,进而给出系统迭代次数与约束条件之间的定量关系以及收敛速度与约束条件之间的关系,同时利用Frobenius范数性质,并通过梯度法给出如何求解D型和P型学习律使得系统收敛速度最快的增益矩阵的方法.最后,仿真实例说明了该方法的有效性.  

对粒子群优化算法的几种改进方法

粒子群优化（PSO）算法是一种进化算法是一种较好的优化方法。PSO算法通过粒子间的相互作用发现复杂搜索空间的最优区域，其优势在于简单容易而优功能强大。本文对算法的几种改进方法作了一些探讨研究，并与其他算法进行了一些比较。  

NA样本下单边截断型分布族位置参数的经验Bayes估计

该文在充分运用同分布 N A样本密度函数的核估计方法的情况下 ,构造出了一类单边截断型分布族位置参数θ的经验 Bayce(EB)估计 ;由分析可知 ,在适当的条件下 ,证明了位置参数θ的 EB估计的收敛速度 O(n- q) ,其中 q =λα(δ -2 ) /(2α + 4)δ,α >0 ,1>λ >0 ,δ >2。  

解第一类Fredholm积分方程的优化正则化策略

探讨了第一类Fredholrn积分方程的病态性及其正则化求解策略的构建问题，并建立了一种改进的Tikhonov正则化算法．通过适当选取正则参数，证明了正则解能够达到最优的渐近收敛率．