多项式矩阵Drazin逆的两个算法

利用计算常数矩阵Drazin逆的有限算法，给出了计算多项式矩阵Drazin逆的有限算法，并用Matlab符号运算软件包实现有限算法。还提出了一种计算Drazin逆的二维递推算法，算例表明了这两种算法是可行的。     

矩阵Drazin逆的应用

从矩阵Ｄｒａｚｉｎ逆的定义及基本性质入手，给出弱Ｄｒａｚｉｎ逆在常系数微分方程组、高阶微分方程及差分方程求解问题中的应用。同时，运用Ｄｒａｚｉｎ逆讨论了微分方程的稳定性条件。     

矩阵Drazin逆的计算方法

介绍计算了Ｄｒａｚｉｎ逆的Ｃｌｉｎｅ分解方法和Ｓｏｕｒｉａｕ－Ｆｒａｍｅ算法, 给出利用矩阵特征多项式求其Ｄｒａｚｉｎ逆的步骤,利用矩阵的奇异值分解,提出了计算矩阵Ｄｒａｚｉｎ逆的正交收缩算法。     

矩阵Drazin逆的一种算法

矩阵A的Drazin逆可表为A的多项式。为降低多项式的次数，利用Jordan标准形理论分析了矩阵Drazin逆的结构，再由矩阵最小多项式的系数，给出了一个最低次多项式d（A）的算法，使d（A）为的Drazin的逆。该算法简化了已有的矩阵Drazin逆算法。     

环上矩阵的Drazin逆

本文中，我们利用π－正则环的理论，使用具有一般性的方法，对环上矩阵的Ｄｒａｚｉｎ逆进行了讨论，得到了环上一切矩阵的Ｄｒａｘｉｎ逆存在的若干充分必要条件。     

两矩阵和的Drazin逆表示

考虑两个矩阵之和的Drazin逆的表示.对于n阶矩阵P,Q,利用Cline公式及Drazin逆的性质给出在P²QP²=0,P³QP=0,PQ³=0,PQ²P=0,P²QPQ=0等条件下两矩阵和P+Q的Drazin逆的表达式.     

中心对称矩阵的Drazin逆

利用矩阵的Ｊｏｒｄａｎ分解,导出关于准对角阵指标的性质,从而得到了中心对称矩阵的Ｄｒａｚｉｎ逆的一种表示方法。     

环上矩阵的Drazin逆

设Ｒ是一交换环,Ａ∈Ｍｎ（Ｒ）,定义Ａ的指数和Ｄｒａｚｉｎ逆Ａ＾Ｄ,假设Ａｋ＝ＰＢＱ,ｋ＝ｉｎｄ（Ａ）,其中Ｐ,Ｂ,Ｑ∈Ｍｎ（Ｒ）,存在Ｐ’,Ｑ’∈Ｍｎ（Ｒ）,使得Ｐ‘ＰＢ＝Ｂ＝ＢＱＱ’若Ｂ有群逆,则Ａ有Ｄｒａｚｉｎ逆当且仅当ＢＢ＾＃ＱＡＰＢ＋Ｉ－ＢＢ＾＃可能,此时有Ａ＾Ｄ＝ＰＢ（ＢＢ＾＃ＱＡＰＢ＋Ｉ－ＢＢ＾＃）＾－１Ｑ。     

分块矩阵的Drazin逆表示

复数域上2×2分块矩阵M的Drazin逆表示是有待解决的一个公开问题。文中主要利用和的Drazin逆,给出了M在AB=0,BDD=0,DπCB=0时的Drazin逆的表达式。     

一类分块矩阵的Drazin逆表示

复数域上2×2分块矩阵M的Drazin逆表示是有待解决的一个公开问题,文中利用和的Drazin逆,给出了M在D^πC=0,BD^DC=0,∑k=0^iA-1A^πA^kB（D^D）^k＋2C=0时的Drazin逆的表达式。     

基于LMBP算法的崇阳溪流域降雨径流预报模型研究

采用泰森多边形法对流域进行划分,分别确定崇阳溪上游流域6个雨量站控制子流域的面积权重.选择1997至2014年的14场流域降雨径流过程为训练样本,以上游6个雨量站的时段雨量和武夷山水文站前期流量为输入,武夷山水文站相应流量为输出,采用3层网络,其中隐含层节点数采用试算法确定,建立崇阳溪上游流域LMBP神经网络降雨径流预报模型.利用余下的7场降雨径流过程对模型进行检验,结果表明,模型运算速度快、时效性好,预报精度符合要求,可以用于流域的降雨径流预报.     

基于分块矩阵的6R机器人实时逆解算法

为提高6R机器人逆运动学求解的强实时性,提出了一种基于分块矩阵相乘来求解逆运动学的方法。将复杂的6个矩阵方程转换为含有6个未知变量的8个纯代数方程来进行求解,并在方程简化过程中引用符号运算预处理,避免了大量浮点运算带来累积误差。通过方程组的优化,可避免第3关节变量求解中产生增根的情况。试验结果表明,在同等精度要求下,该逆解算法相比于其他算法具有更强的实时性,得到精确的8组封闭解平均仅需0.009 7 ms,能够满足机器人的在线控制要求。     

基于LM-BP和SVR的倾倒变形体变形预测

为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM BP神经网络和SVR进行变形预测研究。基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM BP神经网络模型和SVR模型,对部分监测数据进行（先行学习）训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况。分析结果表明,2个模型精度都比较高,LM BP神经网络模型的最大误差为2.53%,SVR模型的最大误差为4.35%,预测方法有效。     

Cauchy型矩阵Moore-Penrose逆的快速算法

给出了求以秩为n的m×n Cauchy型矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn) O(n2).     

基于神经网络逆系统的鲁棒主动队列管理算法

通过在中间节点上使用主动队列管理策略来进行有效地拥塞控制,在保证较高吞吐量的基础上稳定地控制队列长度,从而实现了端到端的时延控制和保证QoS需求.在研究中,TCP的流量控制过程被视为二阶非线性时变系统,并通过可逆分析,证明该系统可逆,采用神经网络逆系统这种近年来发展起来的非线性鲁棒控制理论作为控制器的设计方法,设计出一种新的主动队列管理算法.仿真试验表明,这种算法的稳态和瞬态性能都优于与其具有相同实现复杂度的 RED和PI算法,并且在负载扰动和参数变化时具有很强的鲁棒性.神经网络逆系统方法应用于非线性的流量控制过程中有助于系统稳定性和鲁棒性.     

奇异线性系统Drazin逆解的DQMR算法

近年来,关于奇异线性系统Drazin逆解的算法引起了众多学者的广泛关注,并获得了依赖于Krylov子空间的大量研究成果.然而,Krylov子空间法十分繁琐且解决奇异线性不相容系统十分困难.基于此,利用投影法给出了相容或非相容奇异线性系统Ax＝b的Drazin逆解的DQMR算法,其中A∈?n×n是一个具有任意指标的奇异Hermitian矩阵. DQMR算法“类似”于非奇异系统的QMR算法.     

一种秩方程的解

给出了X=Ad,w是秩方程rankWAW BC X=rank(WAW)的解的充要条件,其中A∈Cm×n,W∈Cn×m,Ad,w是矩阵A的加权Drazin逆,并推广了文献[2]中的结论。     

Loewner矩阵Moore-Penrose逆的快速算法

给出了求以秩为n的m×n阶Loewner矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn) O(n2)。     

广义逆矩阵及其在神经网络计算中应用

利用简单易懂的矩阵及向量内积等工具 ,给出广义逆矩阵的定义及性质 ,并以神经网络计算为例 ,讨论了它的实际应用 .     

应用混合优化算法求解一类热传导反问题

热传导反问题具有非线性,不适定性等特点,研究方法很多,但通常方法很难较好地接近全局最优.在遗传算法的基础上,研究了基于遗传算法+梯度法的混合优化算法求解一类热传导反问题.具体介绍依据目标函数如何利用上述的算法寻找最优参数组合.进行了大量仿真实验,结果显示在解决热传导反问题优化问题中,混合优化算法性能优越,具有良好的收敛性和快速性.