一种基于二阶导数的BP算法

根据神经网络模型的结构特点，将能量函数的二阶导数与最速下降方向相结合，构造出一种新型的ＢＰ算法，该算法比梯度法收敛快，较牛顿法计算量小，它适合于计算结构复杂的ＢＰ神经网络模型，理论分析表明该算法行之有效，计算机仿真达到了理想的效果。     

一种动态过程辩识的鲁棒BP算法

提出一种ＢＰ网络的鲁棒算法,该算法克服了ＢＰ网络收敛速度慢,不具有抗强干扰的缺点,并用于动态系统辩识,仿真结果表明了算法的有效性。     

一种基于二阶导数的 BP 算法

根据神经网络模型的结构特点,将能量函数的二阶导数与最速下降方向相结合,构造出一种新型的ＢＰ算法,该算法比梯度法收敛快,较牛顿法计算量小．它适合于计算结构复杂的ＢＰ神经网络模型,理论分析表明该算法行之有效,计算机仿真达到了理想的效果．     

改进的 BP 算法及其应用研究

ＢＰ网络广泛应用于函数逼近、模式识别和系统辨识,但ＢＰ算法收敛速度很慢。为此提出了ＢＰ算法的一种新的改进方式,即在误差反向传播时,不仅改变网络的联接权值,也改变神经元模型参数。详细推导了改进ＢＰ算法的迭代公式。仿真研究表明,与传统ＢＰ算法相比,该算法具有收敛速度快,函数逼近精度高的优点。     

BP网络的最大误差学习算法*

综合了标准ＢＰ算法与“批处理”ＢＰ算法的各自特点,提出了一种新的ＢＰ网络的学习算法,该算法既具有“批处理”ＢＰ算法收敛时迭代次数少的优点,又能克服“批处理”算法对大样本集进行学习时每次计算量较大且收敛时间长的缺点,该算法具有“批处理”算法同阶的迭代次数,但每次迭代所需计算工作量大约是“批处理”算法的样本几分之一。     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重要课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

一种用于快速分类问题的神经网络学习算法

对传统的ＢＰ算法进行了改进，提出了基于二阶导数的ＢＰ算法，大大减少了样本训练的迭代数，从而提高了网络运算速度，对异或问题和蜢虫分类问题的计算，取得了满意的效果。     

BP网络的BP-G-S学习算法

为了解决ＢＰ网络在学习过程中存在收敛慢的缺点,文中将ＧａｕｓｓＳｅｉｄｅｌ 迭代法的基本思想与ＢＰ算法结合,将每一个最新修正的权值反映到下一个权值的修正中,提出了一种新的ＢＰＧＳ学习算法来加速ＢＰ网络的收敛。文章最后的计算机仿真说明ＢＰＧＳ总体上可以减少学习的时间,尤其当误差值逼近最小点时效果明显。     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重点课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

神经元网络理论在乙烯精馏塔成分估计中的应用

针对前馈神经元网络误差反向传播算法（ＢＰ算法）收敛速度慢，且常常收敛于局部极小值等缺陷，提出了一种基于变步长、加压缩因子的共轭梯度搜索的快速学习算法。与标准的ＢＰ法相比，该方法不仅学习收敛速度快，而且精度也有所提高。通过对乙烯精馏塔成分估计的应用表明，该方法比最小二乘估计法具有更好的外推性。     

改进的神经网络快速学习算法

提出了一种新颖的神经元模型和用于神经网络训练的推广准则，给出了多层神经网络的快速学习算法，研究了一种用于语音识别的时变多层神经网络及其相应的快速学习算法．语音识别实验表明：所给出的快速学习算法能有效地加速网络训练进程．     

视频编码快速块匹配算法的改进

为了降低视频压缩中块匹配的运算复杂度,避免块匹配陷入局部极小值且维持较高的压缩比,提出了一种快速块匹配的搜索算法.首先判断图像块是否静止,若是,停止该块的搜索;反之,通过运动矢量预测确定搜索中心点,并由中心点由内向外搜索,同时结合搜索停止判断条件,提前终止搜索.对改进块匹配快速搜索算法与全搜索和菱形快速搜索进行了仿真实验和对比分析,并将提出改进的运动估计算法在一个实际的机械臂远程视觉控制系统中进行了应用.结果表明：在全搜索、菱形快速搜索和快速块匹配搜索算法中,快速块匹配算法综合性能是最好的.     

一种实用快速非负矩阵分解算法

提出了一种基于快速非负矩阵分解算法的实用新算法.该实用快速非负矩阵分解算法扩展了快速非负矩阵分解算法的约束条件,并且保持了较高的收敛速度,更具一般性和实用性.然后对该新算法进行了一些稀疏非负矩阵分解的扩展应用.数值实验显示该实用快速非负矩阵分解算法和快速非负矩阵分解算法具有相近的收敛速度,与其他经典非负矩阵分解算法相比其收敛速度有明显的提高,同时对添加稀疏性约束条件的实验也有很好的效果.     

一种新的快速块匹配运动估计算法

提出了一种新的快速、有效的块匹配运动估计算法。算法采用多步搜索方法,利用相邻块之间的运动相关性,选择反映当前块运动趋势的预测点作为初始搜索点;用子采样块匹配失真度量来减少计算量;利用运动矢量的中心倾向的分布特性,用多侯选点钻石形状搜索方法来提高运动估计的速度和准确性。实验表明,该算法计算复杂性低,预测质量好。     

一类矩阵奇异值分解的快速算法及在时变滤波中的应用

研究了镜象对称矩阵的性质，提出了计算该类矩阵奇异值分解的一种快速算法。计算机模拟结果表明：快速算法的计算速度比一般算法快３～４倍，并可节省一半内存。将该算法用于线性时变滤波器的设计，取得的结果是令人满意的。     

基于SUSAN算法的分层快速角点检测

分析了SUSAN算法在角点检测中运算速度较慢的原因，并提出基于SUSAN算法的分层快速角点检测算法、该算法根据图像中像素周围图像灰度的相似性和角点的特性，引入提升小波变换理论，采用由粗到细的分层策略，首先对图像进行提升小波变换，找到角点的粗略位置，再用SUSAN算法进行精细查找，准确定位角点．实验结果表明，该算法可较大幅度地提高运算速度，节省运算时间、     

基于正交性检测的宽带DOA快速估计算法

基于子空间的正交特性,给出了一种宽带信号波达方向(DOA)快速估计算法.应用正交性检测获得方向估计,无需预处理,成功避免了预处理误差给估计结果带来的影响;通过频谱分析只选取能量集中的少数窄带频段数据进行角度估计,大大降低了奇异值分解的矩阵规模,可做到快速实时;在对信号能量比较充分利用的同时也保证了算法的高分辨率.计算机仿真验证了该算法的有效性和快速性.该算法可以应用于任意阵列.     

Surface registration algorithm for rapid detection of surface thermal deformation of paraboloid antennas

In order to obtain and master the surface thermal deformation of paraboloid antennas,a fast iterative closest point( FICP) algorithm based on design coordinate guidance is proposed,which can satisfy the demands of rapid detection for surface thermal deformation. Firstly,the basic principle of the ICP algorithm for registration of a free surface is given,and the shortcomings of the ICP algorithm in the registration of surface are analysed,such as its complex computation,long calculation time,low efficiency,and relatively strict initial registration position. Then an improved FICP algorithm based on design coordinate guidance is proposed. Finally,the FICP algorithm is applied to the fast registration test for the surface thermal deformation of a paraboloid antenna. Results indicate that the approach offers better performance with regard to fast surface registration and the algorithm is more simple,efficient,and easily realized in practical engineering application.     

首加尾循环线性系统求解的快速算法

利用多项式快速算法,给出了首加尾循环线性系统求解的快速算法。当首加尾循环矩阵非奇异时,该算法求首加尾循环线性系统的惟一解,当首加尾循环矩阵奇异时,该算法求首加尾循环线性系统的特解和通解。最后,利用首加尾循环矩阵与首加尾向后循环矩阵之间的关系,给出了首加尾向后循环线性系统求解的快速算法。     

子群卷积及其快速算法

本文介绍了长度N=P~M-1为麦森素数的子群卷积的基本原理和应用中国余数定理对这种子群卷积进行排序的算法及步骤。改进了这种排序方法,提出了计算简单的快速排序法,并提出了用于群卷积计算DFT的混合嵌套快速算法。