灰色GRM(1,1)模型的改进及其应用

针对倒数累加生成灰色GRM(1,1)模型计算繁琐的情况,改进了模型背景值的计算方法,简化了模型参数的计算.应用实例表明,该改进灰色GRM(1,1)模型具有建模简单、实用、精度高的特点.     

基于分解算法的RM及DFRM之间的转换

利用Kronecker矩阵积运算推导出了固定极性Reed-Muller(RM)和双重形式RM(dual form of Reed-Muller,DFRM)的展开式,并根据在相同极性下两者之间的转换关系,提出一种简洁高效的转换算法--分解法.该算法将转换矩阵进行分解,从根本上避免了矩阵的重复计算,缩短了计算时间.实验结果显示,在得到更为简洁的RM或DFRM表达式的同时,对小变量函数的标准电路测试过程所需时间几乎为0.而对大变量函数的标准电路也表现得十分优异.     

量子可逆电路综合的启发式快速匹配算法

提出了基于Reed-Muller展开式,使用CNT量子门库,以量子门表达式为启发式规则进行前向模式匹配的量子可逆逻辑电路快速综合算法.与通常所用的穷尽搜索算法相比,该算法利用量子门表达式作为启发式规则进行匹配代换,避免盲目匹配,有效降低了匹配复杂度,减少匹配代换的数量.同时该算法不会出现穷尽搜索中因不能找到有效解而进行回溯的现象,能以较小的时间空间复杂度生成最优或近似最优的量子可逆电路,特别在多量子可逆逻辑电路综合上,能够表现出更好的性能.     

命题公式真值表的生成与公式类型的机械判定

在文[1]的基础上,给出了命题逻辑中任一命题公式的真值表的生成算法与命题公式类型的判定算法,实现了利用计算机对有限多个命题公式的真值表的直接计算和输出,以及对一个命题公式是重言式、矛盾式或可满足式的机械判定.     

一种基于综合目标函数的神经网络学习算法

为提高多层前向神经网络的学习速度和算法的稳定性,提出一种基于综合目标函数的改进学习算法.该算法在误差平方和目标函数中引入一个辅助约束项构成综合目标函数,并利用综合目标函数训练网络的输出层权值,采用牛顿法推导出训练输出层权值的递推公式.辅助约束项隐含有对网络输出平滑性的约束,提高了学习算法的稳定性.利用该算法对不同非线性函数生成的样本数据的学习结果表明,新算法的收敛速度、精度均优于Karayiannis等人的二阶学习算法.     

判断论证有效性的一个算法

给出了一个基于真值表原理进行逻辑论证的有效性判断的简化算法 .此算法可以减少手工列真值表判断的计算量 ,也可由计算机直接实现 .     

一种基于二部分图的推荐算法

在对基于二部分图网络结构的推荐算法NBI和基于Pearson系数的协同过滤推荐算法CF,以及当前广泛应用的完全排序算法GRM进行详细分析的基础上,针对这些算法的局限性,提出了一种基于二部分图的推荐算法.采用Movielens数据库对NBI、CF和GRM以及文中所提算法用2个不同的参数进行了比较.实验结果表明:除了当向每个用户推荐50个电影这一种情况外,文中给出算法的推荐准确率均高于其他3种推荐方法.     

灰色GRM（1，1）模型的改进

将 X（1）的第n个分量作为初始条件与优化背景值相结合对灰色GRM （1,1）模型进行了改进。应用实例表明,改进的灰色GRM （1,1）模型在一定程度上消除了传统灰色模型在背景值获取和初始值选取时造成的误差,提高了预测精度。     

MC算法生成数据的分组网格化处理

对MC算法生成的数据进行后续处理,首先采用排序归并算法,归并顶点数据.根据相邻三角形共有顶点的特性,确定三角形之间的连接关系.根据属于同一个子等值面的三角形相互连接的特性,采用种子算法,将属于不同子等值面数据进行分组.采用顶点表与三角形表的数据结构存放子等值面的数据,实现MC算法生成数据的分组与网格化.     

基于粗集理论的逻辑函数简化方法

针对数字电路中逻辑函数真值表的特殊形式，利用粗集理论把它处理为一种决策表，用决策表的最小决策算法对其进行化简，然后从真值表中直接归纳出最简的逻辑表达式，此方法简单、快速、特别适用于数字电路中从已知真值表求出相应的逻辑表达式及其对应的逻辑电路，为粗集理论在数字电路中的应用提供有力工具。