基于代数神经网络的分圆多项式判定及学习算法

首先对MP神经元进行推广 ,给出了一元多项式代数神经元、一元多项式代数神经网络 ,设计出一类用于一元多项式二元运算的神经元模型 ,它是单输入单输出的 3层多项式神经网络 ,给出了两种用于判定一多项式为分圆多项式的神经网络模型及学习算法 ,把判定一多项式为分圆多项式转化成线性方程组求解问题 ,通过算例说明了该方法的有效性。     

检测多项式相位信号的时频综合方法

多项式威格纳分布是一种高精度的多项式相位信号检测方法,但是对噪声敏感,多信号情况下受交叉项困扰。而短时傅里叶变换对噪声不敏感,没有交叉项问题,但时频分辨率较低。首先构造了一组高效6阶多项式威格纳分布,将多项式威格纳分布与短时傅里叶变换的结果按照"与"操作和"滤波"操作相综合,得到高分辨的多项式相位信号时频分布。仿真结果表明,不同时频分析方法综合能够在低信噪比的条件下检测到多项式相位信号。     

一种非线性系统多项式逼近的建模方法

提出一种简便的非线性多项式逼近建模方法。对非线性系统,首先,利用拓扑同胚变换,将系统的有界输入输出数据变换为[0,1]范围之间的数据,然后选定初始多项式,对初始多项式模型反复利用递推最小二乘法进行参数辨识,通过比较项与参数乘积绝对值的大小,剔除多项式中对模型贡献较小的项,直到得到确定的多项式模型,大量的仿真结果表明了算法的有效性。     

一种新的雷达目标散射截面统计模型

本文指出了传统的雷达目标统计模型的不足,由于统计特征参数较少,因此很难精确地拟合实际目标散射截面数据.本文提出了一种新的统计模型,它以统计量的各阶中心矩来表征目标,然后用Legendre正交多项式系来再现其概率密度函数。文中推导了Legendre多项式系数与各阶中心矩之间的数学关系式。并通过实际例子计算得到多项式系数多少与拟合误差的关系曲线。通过与传统统计模型比较认为,这种新的统计模型非参数法是一种更准确的雷达目标散射截面的建模方法,从而较好地解决了雷达目标统计建模问题。     

基于极大极小准则下的 (n,k,m) 卷积码识别

针对现有识别方法仅适用于特定类型的卷积码,以及容错能力有待提高的问题,提出了一种基于改进门限沃尔什-哈达玛变换(Walsh-Hadamard transform, WHT)的(n,k,m)卷积码参数遍历识别方法。首先,将问题分为非系统和系统形式两种情况进行考虑,根据各自结构特点分别建立关于校验多项式的二元域方程,并建立二元假设;然后,遍历不同的参数组合并利用WHT求解对应方程,通过二元判决得到校验多项式,同时为提升方法的鲁棒性,采用极大极小准则对判决门限进行了改进。最后,利用校验多项式矩阵与生成多项式矩阵的正交关系求解生成多项式。仿真结果表明,该方法对各码率的卷积码均能有效识别,且抗误码性能优于传统方法。     

基于n阶Dickson多项式的公钥密码系统

利用n阶Dickson多项式给出一多项式序列，由此序列构造一种新的公钥密码系统。与基于2阶的Dickson多项式的LUC公钥系统相比，明文密文空间扩大，攻击该系统等价于分解大整数的同时还要求解若干个困难的高次同余式，使得破解难度增大，安全性增强。     

一元肥料效应函数模型研究

应用正交多项理论给出了一种施肥量的不等距的一元正交多项式肥料效应函数，它有如下优点：不需解正规方程，因而可避免“病态”出现；所有效应系数之间不存在相关性；计算量比普通的多项式回归模型小。     

最优调节器的两种综合方法的等价性

本文讨论了单输入-单输出系统的最优调节器的两种综合方法的等价性,即时域方法和频域方法的等价性。前者是解一个代数 Riccati 方程,后者是解一个多项式 Diophantine 方程。最后,文中给出了一种通过多项式谱分解技术直接算最优反馈增益矩阵的方法,这样可以避免解代数 Riccati方程。     

基于广义Чебышев多项式的新型神经网络算法

提出了一种基于广义Чебышев多项式的新型神经网络学习算法。对于给定的样本点,采用三次样条插值方法求得Чебышев结点处的函数值,并将Чебышев结点和对应的函数值作为新的训练样本。利用Чебышев多项式的正交性,每个权函数可以表示为广义Чебышев多项式,它是最佳平方逼近多项式。与样条权函数神经网络算法相比,该算法最后表达式更简单,有利于泛化,而且每个权函数所需要存储的信息量更少。另外,提出的新算法不存在梯度下降类算法的局部极小、收敛速度慢的问题。最后,为了说明该算法的有效性,给出了一个实例,仿真实验说明通过提取广义Чебышев多项式的权函数,可以理解所训练的问题的内在关系,训练后的网络具有很好的泛化能力和很高的精度。     

装配型流水作业排序问题3MAF的两个可解情形

３机器装配型流水作业排序问题３ＭＡＦ是近年来新提出的一种排序论模型。本文探讨了该问题的两种新的可解情形，并给出了相应的多项式算法。     

考虑资源约束和变质期的订货批量与定价的联合决策

传统的订货计划一般假定需求事先已知.研究了需求是价格的函数、订货能力有限情形时,订货商对变质性产品协调地进行定价决策和订货决策,使得利润最大化.建立了二次规划数学模型. 提出了基于动态规划的算法,可以在多项式时间内求解原问题的最优定价策略和最优订货计划.实验结果表明,与分散决策相比,联合决策可以给订货商带来更多的利润.通过订货能力的灵敏度分析,表明订货能力变化对利润和价格产生显著影响,有助于订货商选择恰当的订货能力水平.通过变质期的灵敏度分析,揭示了变质期对订货策略影响显著.     

含Caputo型分数阶导数的灰色预测模型

针对缺乏统计规律的小样本预测系统,如何挖掘其发展规律,一直是学术界的难点.本文依据分数阶微积分理论,将整数阶导数灰色模型推广到分数阶导数灰色模型,并从是否满足新信息优先原理、初值利用情况、还原误差大小和稳定性等方面说明了新模型的优势,以期用Caputo型分数阶导数的记忆性描述小样本预测系统.实例表明含有Caputo型分数阶导数的灰色预测模型的有效性与实用性.     

伪波束域四阶累积量切片高分辨方位估计法

在低信噪比或空间非白噪声情况下,基于信号二阶统计量的高分辨方法,性能变差较快。在基于四阶累积量切片MUSIC方法的基础上,结合波束域高分辨方法的思想,提出了一种四阶累积量切片伪波束域高分辨方位估计方法。分析表明,高阶累积量的运用有效抑制了空间高斯白噪声和有色噪声;波束域方法的运用有效滤除了部分空间噪声,增强了方法的稳健性。仿真结果表明,相比基于四阶累积量切片的MUSIC方法,所提出的方法在高斯白噪声和有色噪声中,有效提高了低信噪比情况下的方位估计精度,降低了目标的分辨门限。     

食品质量链协同系统中的序参量识别研究

序参量是协同系统演化中表明系统新结构宏观有序程度的参量.针对食品质量链协同系统中的序参量问题,提出一种基于灰色关联度与属性约简的食品质量链协同系统序参量识别方法.首先,分析序参量原理在食品质量链协同系统中的作用.然后,确定食品质量链协同要素,建立表征食品质量链系统的状态参量,接着提出本文的序参量求解方法.该方法基于灰色关联度定义和求解各状态参量的参量重要度,定义状态参量重叠关系以使属性约简的结果中不存在重叠度较高的状态参量,并在此基础上应用属性约简原理提出序参量求解的具体步骤.最后,将提出的序参量识别方法应用到具体乳制品质量链中,验证了所提出方法的有效性.本文以整个食品质量链为研究对象,首次建立了食品质量链系统的状态参量体系,为解决食品质量安全问题提供理论参考.对食品质量链序参量的识别方法进行改进,丰富了协同学理论及其应用,有利于优化食品质量链系统,预防食品质量问题的出现.     

Retailers’ Order Strategies in Transshipments in Disruption Risks of Supply Chains

This article investigates the order problem in a two-stage supply chain consisting of retailers, primary suppliers and backup suppliers. From retailers’ perspectives, the optimal offering strategies in unidirectional transshipments are analyzed on the basis of disruption risks in supply chains. With a focus on retailers’ profits, it develops the decision model of retailers’ orders in the dual sourcing mode and in the mode of capacity options, to maximize the retailers’ expected profits. The simulation shows that retailers’ optimal order decisions are not correlated with the joint disruption probability in the two order modes without service constraints; retailers’ optimal decisions are influenced by the joint disruption probability in the two order modes with service constraints, and the impact of the joint disruption probability of the primary suppliers’ optimal order from retailers differs in the two modes. Retailers’ order decisions in respect of backup suppliers are more sensitive to the changing volumes of transshipments. The contribution of this article is the impact of main parameters on retailers’ decisions, providing some guidance for enterprises to make order decisions.     

基于强化学习的订单生产型企业的订单接受策略

针对订单生产型企业在订单接受决策过程中的不确定性, 基于强化学习的思想, 在考虑生产成本、延迟惩罚成本以及拒绝成本的前提下, 引入顾客等级这一要素, 从收益管理的角度建立了基于半马尔可夫决策过程的订单接受模型. 在此基础上, 提出了基于 SMART 算法的最优订单接受策略求解方法, 旨在最大化订单生产型企业的长期利润. 仿真实验结果表明: 基于SMART 算法得到的订单接受策略要优于基于先来先服务方法得到的订单接受策略; 同时, 针对考虑顾客等级的仿真实验及数据分析结果, 也验证了引入顾客等级这一要素的必要性和重要性.     

∑-△调制器的高阶滑模设计

由于高阶滑模与传统滑模(一阶滑模)相比有更高的控制精度,把高阶滑模控制引入到∑-Δ调制器设计中来。在设计中,把高阶∑-Δ调制器看成一个带反馈的非线性动态系统,并把系统分成被控对象和控制器,然后应用高阶滑模进行控制设计。作为示例,用二阶滑模对三阶∑-Δ调制器进行了设计,仿真结果表明,基于高阶滑模控制设计的调制器信噪比高、量化误差小。     

船舶姿态运动实时预报算法研究

根据大型舰船在随机海浪作用下的非平稳运动特性,提出基于AR模型的实时建模预报方法,详细讨论了改进隅角实时快速定阶算法和RLS递推在线参数辨识方法。针对典型航行工况,对船舶纵摇运动进行了仿真研究,并与AIC定阶算法进行了比较。仿真结果表明:AR算法适用于舰船在非平稳运动情况下的建模预报。AIC准则、改进隅角两种定阶方法均可实现AR模型阶数的在线估计问题,预报长度均可达到7-10秒,但改进隅角定阶算法简单,独立性好,易于编程实现,预报实时性好。该方法在理论和工程应用方面具有重要的意义。     

基于独立成分分析和模糊支持向量机的人脸识别方法

成分分析(PCA)只能从2阶上去消除数据的相关性，传统支持向量机在解决多类问题时会出现分类的盲区问题，针对这两种情况，首先采用独立成分分析(ICA)方法解决了高阶上的数据相关性问题；同时在传统支持向量机中引入模糊隶属度函数，用模糊支持向量机解决了传统支持向量机在多类数据识别中的盲区问题。通过实验证明了该方法在人脸识别率上取得了显著提高。     

序关系分析下的多阶段交互式群体评价方法

针对传统的群体评价方法多是静态且无交互的局限性,提出了一种序关系分析下的多阶段交互式的群体评价方法.文章首先对序关系分析的思想进行了介绍,并给出了基于理想点法的单轮评价结果的确定方法;然后依据群体意见的波动程度来对其稳定性进行衡量,以此探讨交互终止的条件;最后在群体交互加权算子(DOWA算子和DOWGA算子)的基础上,对各轮交互结果进行了集结.为说明方法的有效性,给出了一个应用例子.