迭代函数系统的运算性质

根据迭代函数系统(IFS)吸引子生成原理,研究了具有明显几何和代数含义的IFS加法、直积、复合积和相似运算性质.通过定义IFS各种运算,认识到一些IFS吸引子之间的关系,在已知IFS的基础之上构造出更多的分形图,模拟了自然界中的物体.     

基于图形重写的分形造型系统研究

以图形替换图形为原则,定义了基于符号描述的图形重写系统,根据符号系统的文法复杂度和应用的需求对图形重写系统进行了分类,重点分析了上下文无关的图形重写系统常见结构、处理方法以及与IFS和L系统关系.结果表明,图形重写系统比L系统和IFS更简单,造型能力更强,构图过程更直观.     

MathCAD平台上IFS分形

借助于MathCAD,实现迭代函数系统(IFS)生成分形图.通过利用1条基线,遵循主型曲线所提供的生成法则,逐步细化,最终生成分形图。     

应用分形L系统模拟植物生长图像的研究

根据分形L系统理论，提出建立植物生长的数学模型，并对植物生长图像的计算机模拟进行研究，为使生成的植物图像更加真实，在L系统中引入随机性，给出了生成随机L系统的算法，为提高技物生长图像的逼真性提供了有效手段．     

一类分形插值函数的拟导数

本文讨论了由Ｍ．Ｆ。Ｂａｒｎｓｌｅｙ在「１」中引入的一类特殊的分形插值函数ｆ（ｘ）的拟导数问题，给出了ｆ（ｘ）的拟导数的计算方法。     

基于手绘图形的三维分形树木生成技术

在三维分形树木IFS递归算法的基础上,提出了一种将用户手绘简单、非真实感的二维树木图形变成复杂的和具有真实感的三维树木模型的方法,克服了传统迭代函数系统三维分形树木造型交互不方便、不直观的缺陷,并对IFS递归算法做了改进.     

关于分形函数的诱导导数

本文尝试着给出在Ｒ中的分形集上的分形函数的一种导数，希望它会给分形几何的研究提供一种分析方法。     

迭代函数的构造新法

该文得到以下结果:1.点型构造定理;2. 区域型构造定理;3.恒收敛型构造定理;4.一个加速公式.其特点:1.方法简单,便于应用;2.由其构造的I.F.恒收敛,且有较高的效能指数,故经济、实用;3.所述方法是新的,故为迭代函数构造理论增添了新内容.     

分形曲线Box-counting维数的一种逼近算法

讨论Ｌ２范数意义下线性分形插值函数（ＬＦＩＦ）对给定函数图象的最佳逼近问题。利用［４］的结果得出了求最佳逼近点的方法，利用最佳产、给出了求给定函数国象Ｂｏｘ－ｃｏｕｎｔｉｎｇ维数近似值的方法。     

可数无穷迭代函数系的分离性质

主要讨论了可数无穷迭代函数系的分离性质.首先,考虑了非空紧子集X上的共形迭代函数系{Si}∞i=0,如果它满足有界畸变性质和弱分离条件,那么|Si(X)|→0.其次,研究了两类特殊的自相似无穷迭代函数系.其中一类中的吸引子是唯一的并且是紧的,并运用加权的关联矩阵来计算另一类的吸引子的豪斯道夫测度.最后,给出了满足分离性...     

基于对角递归神经网络的非线性逆动态控制

采用2个对角递归神经网络(DRNN)构成非线性逆动态控制系统，一个用作辨识器，逼近系统的正模型，为逆动态控制提供系统的灵敏度；另一个用作控制器，逼近系统的逆动态模型，再与原系统串联组成伪线性系统．仿真结果表明该控制方法实现了对非线性系统的有效控制。     

基于Java3D的太阳系仿真的原理与实现

提出一种基于Java3D平台的太阳系仿真的方法,此方法以递归的形式构造天体运行轨道的同时采用全场景的逆向运动补偿的方式跟踪定位某个天体.实验结果表明,此算法的视觉效果很好.     

着色Petri网的混杂系统仿真平台构架

提出一种以Petri网为仿真进程控制,以着色Petri网与Matlab交互为主题的混杂仿真跨平台构架. 该仿真构架通过运用和扩展着色Petri网中替代变迁的概念,结合融合库所和折叠功能,实现了混杂系统的复杂逻辑建模和连续系统内嵌. 同时,着色Petri网的分析功能在一定程度上缓解了逻辑结构复杂的混杂系统检验困难的问题.最后通过一个混杂系统实例的建模与仿真分析,验证了该平台的可行性与逻辑检验的有效性,为复杂混杂系统的建模与仿真提供了一条新途径.     

电视机故障检修的计算机仿真系统

摘要：传统的电视机实验存在着效率低,损耗大,效果差等难以克服的弊端。利用计算机软件制作电视机故障检修的仿真系统,作为辅助手段,能够很好地解决以上问题,大大提高电视机故障检修实验教学的质量。     

基于循环神经网络的汉语语言模型并行优化算法

计算复杂度高导致循环神经网络语言模型训练效率很低,是影响实际应用的一个
瓶颈. 针对这个问题,提出一种基于批处理(mini-batch) 的并行优化训练算法. 该算法利用
GPU 的强大计算能力来提高网络训练时的矩阵及向量运算速度,优化后的网络能同时并行处
理多个数据流即训练多个句子样本,加速训练过程. 实验表明,优化算法有效提升了RNN 语
言模型训练速率,且模型性能下降极少,并在实际汉语语音识别系统中得到了验证.