带时滞随机泛函微分方程的Split-step算法

针对一类带有泊松跳的时变时滞随机泛函微分方程,基于Euler-Maruyama算法,给出了Split-step算法。在带跳时滞随机泛函微分方程的系数满足全局Lipschitz条件、线性增长条件和初值函数具有Hlder连续性的条件下,证明了文中的Split-step算法在均方意义下以0.5阶矩收敛。最后通过几个实例进行了数值模拟,验证了算法的有效性。     

自适应矩估计最大相关熵算法的混沌序列预测

为了提高非高斯噪声环境下混沌时间序列的预测精度,提出了一种基于自适应矩估计的最大相关熵算法(AdamMCC).在AdamMCC中,采用最大相关熵准则作为代价函数有效地抑制了异常噪声值对预测性能的影响,利用代价函数梯度的一阶矩和二阶矩估计自适应调整算法的权重参数,在不同阶段为算法提供了更好的最优权重搜索方向,从而提高了AdamMCC的预测性能.采用Mackey-Glass和Lorenz两类混沌时间序列进行仿真实验,验证文中提出的AdamMCC的收敛性能和稳态性能.实验结果表明,在非高斯环境下的预测过程中,相比于最小均方算法、最大相关熵算法和分数阶最大相关熵算法,文中提出的基于自适应矩估计的最大相关熵算法在保持鲁棒性的同时,还能以合理的计算复杂度获得更高的预测精度.     

向量值鞅变换算子加权条件矩不等式及其应用

证明加权条件下Banach值鞅变换算子的极大函数、P阶均方函数条件矩不等式;作为应用,给出了鞅变换算子的极大函数,P阶均方函数的加权Ф型不等式,并且与Banach空间的一致凸性和一致光滑性联系起来。     

求解随机微分方程的Heun方法的收敛性研究

Heun方法是求解随机微分方程的一类重要的数值方法.文章研究了Heun方法的收敛性,得到了Heun方法的各种收敛阶,均值意义下的局部收敛阶为2,均方意义下的局部收敛阶为1,均方强收敛阶为1.     

一种多新息分数阶的辨识算法

本文针对传统分数阶最小均方算法收敛性能较差的问题,提出了一种改进型分数阶最小均方算法。首先,利用分数阶微积分和多新息理论,从新息修正的角度提出了一种基于辅助模型多新息分数阶的最小均方算法(AM-MFLMSI)。该算法在每次迭代时既使用当前数据,又使用了历史的数据,提高了收敛速度,同时还改善了参数估计精度。其次,分析了AM-MFLMSI的收敛性。然后,通过选取不同的分数阶和新息长度,比较分析了两者对算法性能的影响。最后,通过仿真实例,将AM-MFLMSI与其他分数阶算法作比较,进一步验证了所提算法的有效性。     

电路中心值设计的样本点一阶矩及一维窗近似分析

借助蒙特卡罗方法,从数学角度讨论了概率意义下的电路成品率优化问题,提出了一维窗概念及近似模型,并由此作出了理论上的一阶矩自然迭代曲线,讨论了迭代序列、收敛速度,步长等优化基本问题。由电路实例看,本方法收敛迅速,且所编程序运行稳定,与有关文献相比,结果准确度有较大提高。     

关于随机Riemann和的均方收敛性

本文给出随机Riemann和在闭区间上一致均方收敛的充分性条件,并把所得结果应用于随机积分,高阶随机积分,同时还得到一类Ito随机微分方程在均方收敛意义下的解。     

B值随机变量序列部分和的矩的收敛速度

本文讨论2阶一致光滑空间及2型空间中随机变量序列部分和的矩的收敛速度问题,所得定理推广了Chow的结果。     

关于Gauss-Weierstrass算子的加权逼近

讨论了Gauss-Weierstrass算子加权逼近时的收敛阶,得出了一致逼近意义下逼近阶的估计和特征刻画.     

分数阶随机时滞微分方程的波形松弛方法

研究了分数阶随机时滞微分方程的波形松弛方法.在分裂函数满足Lipschitz条件下,给出波形松弛方法的误差估计,该误差估计说明此方法在均方意义上是收敛的.最后通过几个算例证明了波形松弛方法求解分数阶随机时滞微分方程的有效性,验证了收敛理论的正确性.     

分数阶时滞微分方程的随机平均法

研究了关于分数阶时滞微分方程的随机平均法。考虑了一类定义在区间[0,T]阶数α∈(0, 1/2)的分数阶时滞微分方程,提出了在Riemann-Liouville型分数阶积分和导数的意义下的随机平均原理,证明了平均方程的解与原方程的解在一定条件下是均方收敛和依概率收敛的。最后通过一个例子验证了结果的合理性。     

分数阶线性时滞系统PDα型迭代学习控制的鲁棒性

针对一类具有外部有界噪声干扰的分数阶线性时滞系统,利用卷积的推广Young不等式,讨论了PD~α型分数阶迭代学习控制算法(FOILC)在Lebesgue-p(L~p)范数意义下的鲁棒性,获得其鲁棒收敛的条件。理论分析表明,若选取适当的学习增益矩阵,在系统受到外部有界噪声干扰时,随着迭代次数的增加,该算法能够保证系统的跟踪误差一致收敛有界。数值仿真验证了该算法的可行性和理论的正确性。     

Hilbert空间下CAANA序列的完全矩收敛

用Hilbert空间下CAANA(coordinatewise asymptotically almost negatively associated)序列的性质及矩不等式考虑CAANA序列的一阶矩收敛性问题, 得到了Hilbert空间下不同分布的CAANA序列的完全矩收敛.     

基于一致系数求积的广义牛顿法求解非线性方程组

采用一致系数求积公式近似逼近泰勒余项,得到一种新的求解非线性方程组的广义牛顿法.给出算法的一般形式,证明算法是三阶收敛的,并且在一定的温和条件下可以达到五阶收敛.最后,给出数值例子说明算法的有效性和稳定性.     

样本的k阶中心绝对矩的依概率收敛性证明

利用辛钦大数定律和随机变量序列依概率收敛的性质,通过不等式的放缩技巧,给出了样本的k阶中心绝对矩依概率收敛于总体的k阶中心绝对矩的证明.     

几个针对FitzHugh-Nagumo方程的有限差分解法

采用隐式差分格式和Crank-Nicolson格式求解FitzHugh-Nagumo方程。通过对FitzHugh-Nagumo方程的非线性反应项的线性化处理,在两种格式下各自给出了三种算法,并对各种算法的误差和收敛阶进行了分析比较。数值实验验证了算法的有效性。     

Alpha稳定分布噪声环境下新的类RLS自适应算法

给出在分数低阶Alpha稳定分布环境中一种新的类RLS自适应算法.由于Alpha稳定分布信号不存在有限的二阶和二阶以上矩,因此用最小p范数准则代替了传统的最小均方准则,并利用矩阵求逆定理提出一种直接递推的类RLS算法,避免了以往类RLS算法中的IRLS迭代计算,从而使算法的计算复杂度大大降低.最后对几种自适应算法进行仿真,并对其收敛特性进行了分析.结果表明,算法的收敛速度明显快于LMP和NLMP算法.     

求解非线性随机微分方程加权格式的收敛性

通过研究加权格式用于求解非线性随机微分方程的收敛性,利用随机变量服从正态分布的性质,得到了在噪声为乘性噪声时,加权格式用于求解非线性随机微分方程均值意义上的局部收敛阶为2,均方意义上的局部收敛阶为3/2,强收敛阶为1.     

求解非线性随机延迟微分方程加权格式的收敛性

通过研究加权格式用于求解非线性随机微分方程的收敛性,利用随机变量服从正态分布的性质,得到了在噪声为乘性噪声时,加权格式用于求解非线性随机微分方程均值意义上的局部收敛阶为2,均方意义上的局部收敛阶为1,强收敛阶为1.     

LMP凸组合算法的稳态性能分析

为进一步解决最小p阶均方算法(least mean p-pow-er,LMP)收敛速度和稳态误差之间的矛盾,提高自适应算法的性能,提出对算法采用不同p值和不同步长进行凸组合(combination of least mean p-power,CLMP)的方案.该方案在高斯环境下将独立的大步长LMP1滤波器和小步长LMP...