一种新的RBF神经网络非线性动态系统建模方法

将遗传算法与正交优选法结合 ,用来训练径向基函数 ( RBF)神经网络 ,并对基函数宽度进行自动地调整 ,得到了一种训练 RBF神经网络的新方法 .将其应用于连续流体搅拌反应槽 ( CFSTR)生化反应器的建模中 ,得到了令人满意的结果 .该算法提高了径向基函数神经网络的泛化能力和鲁棒性 ,研究表明是一种有效的“黑箱”动态建模方法     

严格正则系统同时镇定问题的一个数值解法

本文先运用多项式稳定性的一个充分判据，将严格正则线性系统的同时镇定问题化成一组非线性不等式的求解，然后提出了一种求解非线性不等式组的拟牛顿下山数值算法，并应用该方法求解该组非线性不等式。算例表明本文方法的有效性     

线性连续回归模型基于Chebyshev多项式逼近的Markov参数估计

文中先提出了基于Ｃｈｅｂｙｓｈｅｖ多项式逼近，有连续Ｗｉｅｎｅｒ过程扰动的线性连续回归模型最小二乘参数估计算法，然后讨论了Ｗｉｅｎｅｒ过程的Ｃｈｅｂｙｓｂｅｖ多项式逼近值的相关性，在此基础上，提出了能获得参数估计误差方差为最小的Ｍａｒｋｏｖ参数估计（最小方基估计）算法。文中还将所提出的估计方法推广至控制领域中所讨论的随机连续动态系统的参数估计中，计算机仿真结果显示了本文方法的有效性。     

混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

基于最小二乘算子的混合计算智能辨识算法

基于非线性最小二乘（ＮＬＬＳ）法和遗传算法（ＧＡ）思想，通过定义ＮＬＬＳ算子、适应度以及混合数据结构，得到非线性回归模型非线性参数的混合计算智能辨识算法，该算法结合ＧＡ和ＮＬＬＳ法两者长处，即有较快收敛性，又能以较大概率求得全局（一致收敛）估计。计算结果表明该方法显著优于ＧＡ和ＮＬＬＳ法。     

随机连续动态系统的连续时间随机逼近辨识的数值实现

本文讨论随机连续动态系统的连续时间随机逼近(CSA)辨识的数值实现及仿真.文中首先回顾了随机连续动态系统辨识的算法和理论分析结果,然后基于数值积分技术和常微分方程的数值解的欧拉法和龙格一库塔法,给出了CSA法的两种数值实现方法.仿真结果显示了本文方法的有效性.     

JAVA反射机制在基于Web移动通信服务中的应用

详细介绍JAVA反射机制在移动通信服务中的重要作用。结果表明，反射机制的应用使Web服务端的构成灵活，操作方便，并且这一技术还可广泛地应用于电子商务、网站的建设以及基于Web有关的数据库操作。     

网络中的流量模型

流量模型是流量预测和网络性能评价的基础。好的流量模型必须能够准确描述网络实际流量的特征情况，这样才能准确预测流量状况。然而近年来研究发现网络流量具有自相似性，传统的基于泊松分布的流量模型已不能很好地表述这一特征。根据流量的不同相关特性，介绍了当前网络应用的典型模型，对它们的特点进行了分析论述。     

随机连续线性系统基于Legendre多项式逼近的参数估计

本文研究随机连续线性系统基于Ｌｅｇｅｎｄｒｅ多项式过近的参数估计问题．文中先讨论了随机微分方程描述的随机连续系统的Ｌｅｇｅｎｄｒｅ多项式逼近，然后给出了最小二乘估计方法．在讨论了连续Ｗｉｅｎｅｒ过在的Ｌｅｇｅｎｄｒｅ多项式逼近值的相关性，并首次得到对Ｌｅｇｅｎｄｒｅ多项或应用于随机连续系统研究有重要意义的统计相关结果后，提出了能获得无偏一致估计的辅助变量法及三种选取辅助变量系统的方法．计算机仿真结果表明了本文方法的有效性．     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法