求解max-min模糊关系方程的一种数值方法

借助max-min神经网络的学习过程,为max-min模糊关系方程的求解提供一种新的数值方法。运用光滑函数逼近max-min网络的输入/输出关系,并用其导数代替max-min函数的导数;基于梯度下降法,构造出训练max-min神经网络的学习算法,为max-min模糊关系方程提供一种新的数值求解方法。数值实验验证了算法的有效性。     

属性约简的一种贪心算法

属性约简是粗糙集理论研究的关键问题之一 ,现已证明寻找一个决策表的最优约简是 NP- hard问题 .首先在粗糙集理论的基础上 ,给出决策表中属性重要性的两种度量 ,并以此为启发式信息 ,提出了一种基于粗糙集的属性约简贪心算法 ;最后 ,实验结果表明 ,该算法在大多数情况下能有效地获得决策表的最优约简 .     

利用近场数据求解位势反散射问题的直接抽样法

针对定态Schrdinger方程的位势反散射问题,采用一个直接的抽样方法来重构方程中位势的支集。与一般的抽样法相比,所采用的直接抽样法只需要一个或几个入射方向对应的近场散射数据作为反演数据,并且具有运算简单、对噪声数据不敏感的特点。通过数学推导,从理论上说明:对于二维和三维空间情形,该抽样法都具有可行性和有效性。     

基于特定随机输入样本的模糊δ规则的收敛性

讨论在样本模糊可分条件下,基于特定随机输入样本的模糊δ规则的收敛性。基于特定随机输入是指样本按轮次输入网络,每一轮按照随机排序选取样本。证明在训练过程中权值单调下降,并最终达到收敛,给出了学习步长的选取范围。