基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

基于子波神经网络的函数逼近

分析了神经网络中非线性函数与子波变换母函数的关系,研究用于非线性函数逼近的子波神经网络的结构设计方法.函数逼近实例证实了结论的正确性.     

离散傅立叶变换和复与实傅立叶级数的相互关系及其应用

本文在阐明与导出离散傅立叶变换、复傅立叶级数及实傅立叶级数三者关系的基础上推导出狭义采样定理,并给出它在圆度测量与评定中的应用实例。     

高维离散Fourier变换的一种快速算法

给出了一种高维整点的编码技术，进而得到了高维离散Ｆｏｕｒｉｅｒ变换的一种快速算法。与现行的行列算法相比，乘法次数和迭代次数都大大减少。     

傅立叶积分算法研究

在信号分析与处理中，常涉及的积分变换是傅里叶变换(FT)、傅旱叶级数(FST)、傅里叶Z变换(FZT)及离散付里叶变换(DFT)。通过分析FT与FST、FZT、DFT的关系，提出一种基于FT计算FST、FZT、DFT的新算法，并通过例子说明这种算法的实用性。     

抽样序列傅立叶变换的研究

分析了连续信号抽样变成抽样序列频谱分析与实际电路模型不一致 ,而理论上的频谱分析导出了对实际电路模型频谱分析适用的原因 给出了实际电路抽样连续信号完成抽样序列的频谱分析方法 ,最后根据这一方法完成了有限长离散傅里叶正、逆变换     

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用．但如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的．通过对离散傅里叶变换及Mallat算法原理的分析,针对离散小波变换算法结构特征,对其结构进行了重组,在此基础上利用快速傅里叶变换,提出了一种快速离散小波变换算法,并从理论上进行了分析和论证;与直接算法相比,可有效降低运算量．     

快速离散余弦变换的一种新算法

本文提出离散余弦变换(DCT)的一种新的快速算法,其特点是变换长度任意,而且采用蝶形结构。与常规的算法相比,它具有更高的计算效率,结构也更规则。特别是当变换长度N=2~m×3~2时,其乘法次数比采用WFTA的DCT算法减少20～30％。     

用神经网络逼近函数及其导数

对于给定的函数ｆ∈Ｗ′Ｍ［－π,π］ｄ,Ｍｂａｓｋｅｒ和Ｍｉｃｈｅｌｉ已构造出具体的神经网络逼近Ｓｏｂｏｌｅｖ类函数及其导数并给出逼近阶的估计。但对于给定的函数φ∈Ｗ′Ｍ（Ｒ′）并没有考虑。文章通过一个定理和Ｍｂａｓｋｅｒ的一个结果,对给定的函数φ∈Ｗ′Ｍ（Ｒ′）构造出具体的神经网络逼近Ｓｏｂｏｌｅｖ类函数及其导数并给出逼近阶的估计。     

一维离散信息的离散傅里叶变换

讨论一维离散信息的离散傅里叶变换,描述如何对连续信号进行采样离散,以及如何对采样离散信号的频谱进行离散,用例子和推导展示双重离散过程,有利于教师、学生对信号处理原理的学习与理解．     

序列快速傅里叶攻击的改进

基于序列快速离散傅里叶攻击不适合实际应用场景中伪随机序列发生方式复杂、序列常不连续等特点,提出了改进的傅里叶攻击算法,放宽了原攻击条件,允许序列发生器包含记忆位等.改进的傅里叶攻击算法在蓝牙加密算法上验证了其有效性.通过结合傅里叶谱性质及滤波思想,可以提高傅里叶攻击算法的效率,改进后的算法用序列的位移叠加取代了快速离散傅里叶攻击在有限域解方程的耗时操作,大幅降低了攻击的计算复杂度.     

反馈神经网络对非线性时变离散系统的近似

对反馈神经网络近似非线性离散系统的能力进行了扩展研究 ,针对于更普遍的非线性时变离散系统 ,证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。     

基于离散Fourier变换的非线性滤波图像去噪算法

传统的低通滤波去噪算法在滤除噪声的同时会使图像边缘模糊,为了更好地保留图像的边缘信息,该文提出了一种保留具有较大模值的Fourier变换系数的非线性滤波方法．实验结果表明,该算法在滤除噪声的同时还能较好地保留图像的边缘信息。     

离散Hopfield型神经网络的异步收敛性研究

主要研究非对称离散Hopfield神经网络的异步演化方式的收敛性，并给出了一些新的收敛性条件。若网络的连接权矩阵可以分解成主对角元素非负的对称矩阵和行（列）对角占优的矩阵之和，则网络是异步收敛的，所获结果推广了已有的结论。     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

离散余弦变换与离散傅里叶变换之间的关系

从理论上说明离散余弦变换（ＤＣＴ）和离散傅里对变换（ＤＦＴ）之间的连系与差别．用协方差的相关性说明ＤＣＴ优于ＤＦＴ．     

用神经网络解多元非线性方程组

给出前人人工神经网络逼近性理论，得到用人工神经网络可逼近任意给定的连续函数，并通过计算机对一些非线性函数进行模拟，模拟结果表明这种方法的可行性．给出用人工神经网络解多元非线性方程组的原理     

利用神经网络进行近似分析的结构优化设计

利用人工神经的高度进行和非线性映射的功能,提出了用多层BP网络描述任一弹性结构的应力、位移等量和结构设计变量之间的映射关系,建立了基于人工神经网络的结构全局近似分析方法,利用复合形优化思想对BP网络进行设计和学习,建立结构近似分析的神经网络模型,桁架算例分析表明,利用神经网络进行近拟分析的结构优化人有较高的设计精度和适应性。     

离散时滞的模糊细胞神经网络的渐近稳定性

通过Lyapunov函数讨论具有离散时滞的模糊细胞神经网络(Fuzzy Cellular Neural Networks,FCNN)的全局渐近稳定性,得到全局渐近稳定性的一些充分条件．