沃尔什级数求解线性偏微分方程和积分方程的新方法

本文提出了用沃尔什级数求解高阶线性偏微分方程的一种新方法。先将偏微分方程化成积分方程,再用逐步逼近法来确定方程的沃尔什级数形式的近似解。本方法的特点是:①可以确定较高阶微分方程的近似解,②沃尔什函数具有取值的简单性,从而简化了计算的编程工作。本文先将偏微分方程化成积分方程,讨论了解的存在唯一性,提出对偏微分方程求解的方法,最后给出了实例。     

基于正交小波尺度函数展开的强非线性微分方程求解

基于正交小波尺度函数级数展开建立了一种计算复合函数多重积分的显式级数逼近方式,并将其应用到了强非线性微分方程边值问题的求解中.与经典小波伽辽金方法一样对待求解方程的未知函数,应用了尺度函数级数展开,但在求解过程中却并不涉及到尺度函数导数与其本身乘积的积分即所谓关联系数的计算,从而大大简化了计算的复杂度,并避免了由于关联系数计算不精确而引起的误差.通过对一具有超越非线性项的微分方程两点边值问题的求解,展示了所建立方法的具体操作过程及其所体现的完美数值精度.     

一种求解时滞微分方程的小波方法

提小了一种基于小波理论的求解线性时滞微分方程的数值方法,该方法将线性时滞微分方程的解在求解区域内展开为小波尺度函数级数,再利用配点法将时滞微分方程的初值问题转化为线性代数方程组的求解问题.与传统的逐步数值积分方法相比,该方法将方程的解在求解区域内做全局小波近似,因而具有全局误差可控的优点,从而有效地克服了逐步数值积分法...     

基于半正交B样条小波的第二类分数阶Fredholm积分方程数值解法

采用半正交B样条小波方法将第二类线性分数阶Fredholm积分方程的核函数、已知函数和未知函数展开,给出收敛性定理及误差分析;结合选取的等距配置点将积分方程转化为线性代数方程组进行求解;通过数值算例验证了方法的有效性.     

不同形式的泰勒定理及其应用

泰勒定理是把函数用多项式近似表示的重要依据,是数学分析课程的重要内容.给出了泰勒定理的不同证明,讨论带不同余项的泰勒公式之间的关系,以及在积分计算、级数收敛性判断等方面的应用.     

基于辛普生公式的化工实验中列表函数的一种积分方法

在一些工程计算中,常常需要计算积分,但是在一些实际问题中,原函数的求解比较困难甚至无法求解。数值积分方法是行之有效地解决此类问题的方法,该文主要通过介绍其中之一的辛普生公式解决列表函数的积分,特别是在化工实验中的一些数据的处理,通过辛普生公式近似求解所需结果。     

关于函数项级数逐项积分定理的注记

本文进一步研究了函数项级数的逐项积分定理.给出了新的逐项积分定理.     

函数级数逐项积分定理的推广

通常函数级数逐项积分定理的主要充分条件是级数在闭区间[a,b]上一致收敛。本文给出一个较一致收敛弱的条件。在此条件下使函数级数也能逐项积分,从而在更广的范围内使用函数级数逐项积分定理。     

A Higher Dimensional Generalization of Fejr's Theorem

将一元傅立叶分析中关于傅氏级数及其共轭级数之间的收敛性关系的Ｆｅｊéｒ定理推广到多元情形。主要结果为定理：若函数ｆ∈Ｌ（Ｅｋ）（ｋ≥２）的傅氏积分的球形平均σＲ（ｆ；ｘ）在域Ｄ内一致收敛，则它的共轭傅氏积分的球形平均σＲ（ｆ；ｘ）在其（Ｃ，１）可和点处一定收敛     

无穷级数收敛性的狄利克雷判别定理条件的必要性

<正>在无穷级数与无穷积分的收敛性判别定理中,狄利克雷(Dirichlet)判别法占有相当重要的地位.对此判别定理中所设条件的充分性在大多数数学分析教材中都作了论证,然而该定理中条件是否必要呢?本文对此提出一点看法,并就在常数项级数,函数项级数及无穷积分中     

多维离散傅立叶变换神经网络函数逼近

利用多维离散傅立叶变换原理构造新颖的神经网络模型用于函数逼近,网络结构为分层前向网络。给出了网络的学习算法,网络的大部分权值都是固定的,只有输出层与最后隐层之间的权值需要调节。     

模型未知非零和博弈问题的策略迭代算法

提出了一种在线积分策略迭代算法,用来求解内部非线性动力模型未知的双人非零和博弈问题.通过在控制策略和干扰策略中引入探测信号,从而避开了系统的模型信息,得到了一个求解非零和博弈的无模型的近似动态规划算法.该算法同步更新值函数、控制策略、扰动策略,并且最终得到收敛的策略权值.在算法实现过程中,使用4个神经网络分别近似两个值函数、控制策略和扰动策略,使用最小二乘法估计神经网络的未知参数.最后仿真结果验证了算法的有效性.     

带饱和执行器的非线性离散时滞系统的最优控制

主要针对带有饱和执行器的时滞非线性离散时间系统更加一般的形式,通过启发式动态规划(HDP)算法求解无限时间最优控制策略问题,并在值函数中引入折扣因子.首先通过迭代HDP算法给出值函数序列和相应的控制序列,并给出了收敛性证明,即值函数序列收敛到值函数的最优值,以及控制序列收敛到最优控制;其次为了实现HDP算法,引入3个神经网络:模型网络、评判网络、控制作用网络.模型网络用来近似系统模型,评判网络用来近似值函数,控制作用网络用来近似控制;最后通过一个仿真例子说明上述方法的可行性.     

关联白噪声驱动系统的数值模拟算法

采用常规积分算法和随机等价方法分别导出了关联白噪声驱动随机系统的近似的一阶算法和二阶近似算法．与常规算法比较，等价方法避免了一阶非高斯项的出现带来的困难，有效地提高了多噪声驱动系统的数值模拟算法的精度，为关联白噪声驱动随机系统的各种统计性质的研究提供了一种行之有效的途径．     

基于RBFNN和PSO求解第二类Volterra积分方程的混合方法

提出一种基于RBFNNs和PSO求解第二类Volterra积分方程的混合方法.先将积分区间离散化为点集,并代入积分方程得到方程组,再利用RBF神经网络逼近积分方程中的未知函数,将所求解问题转化为残差平方和的极小化问题.利用PSO算法求解残差平方和的极小化优化问题,得到RBF神经网络的参数,即得问题的逼近解.数值实验表明,该方法可行有效.     

动态数学神经网络模型及其应用

本文在［１］的基础上建立了广义数学神经元,并引入动态机制,形成动态数学神经网络,由网络当前状态决定网络结点数．从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题,并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理,并建立了龙贝格求定积分的动态数学神经网络模型．     

改进的Simpson公式及其代数精度

首先给出了Simpson数值求积公式余项"中间点"的渐近性定理,利用该定理对Simpson数值求积公式进行改进,并证明改进后的Simpson数值求积公式比原来的公式具有较高的代数精度.     

一种基于独特型网络的入侵检测方法

为解决神经网络检测方法中检测器需要定期更新、未知攻击检测性能低等问题,利用人工独特型网络的记忆、学习和动态调整能力实现入侵检测.提出一种可用作检测器的多变异模式人工独特型网络,并根据免疫响应原理设计检测算法,使检测器能实时学习新行为特征.仿真结果表明,多变异模式独特型网络检测方法与多层感知器检测方法相比,平均误报率下降了17.43%,未知攻击的平均检测准确率提高了24.17%.     

基于改进神经网络的边坡岩体弹性力学参数识别方法

基于人工神经网络的 BP算法 ,建立了根据边坡开挖后岩体位移观测数据识别岩体弹性力学参数的数值方法 .在网络训练过程中采用改进的 BP算法 ,通过对学习算子的优化搜索 ,大大提高了网络的收敛速度 ,解决了 BP算法迭代过程中目标函数振荡问题 .通过算例表明 ,提出的改进的 BP算法有助于提高岩土材料参数识别收敛速度和识别精度 .图5 ,表 3,参 15     

基于单隐层前馈神经网络的优化算法

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。