大系统平衡块对角优分解

为了实现大系统的并行处理，大系统的分解总是希望分配给各处理器的任务量是均衡的即分解后的子系统要有平衡的结构（或维数尽量接近），因此，在系统平衡块三角分解的基础上，利用非平衡补偿方法使系统状态方程的系数左阵具有块对角优型，使系统模型简化的结果更为理想。系统平衡对角优分解方法通过实例仿真证明是可行的，并为大系统分散控制的分析与设计提供了新的系统模型简化的手段。     

对角双线性模型辨识基础与谱分析

由于能对非线性系统很好的近似，双线性模型在许多工程领域已得到广泛的应用，但其统计基础还很不完善，对于对角双线性模型（DBL（p,q,r)models)利用多元Wiener-Ito随机积分，计算出了输入输出序列的自协方差，互协方差和双互协方差，在此基础上进行了谱分析，得到了该模型的谱密度，互谱密度和双互谱密度，这些结果可以用作该模型的辨识，预报和控制，仿真计算证实了这一点。     

基于神经网络的企业信用等级评估

企业信用等级评估是金融领域重要的问题，论文采用人工神经网络模型研究企业信用等级的评估问题，按照企业样本在信用等级的分布状况来抽样，然后，根据企业样本性质的不同，将其分为制造业和非制造业两大类，利用偏相关分析方法建立了企业信用评级的指标体系，此外，还介绍了几种企业信用评级常用的评估模型，并将神经网络评估模型的性能和其他的信用评估模型作了比较，实验结果表明神经网络模型具有更好的预测准确性。     

基于活动的工作流建模及其动态调度研究

首先用扩展有向图的方法构造一种基于活动的工作流建模方法 .在此模型的基础上 ,通过对完成活动所需的资源、角色、时间、成本的分析 ,用人工智能的思想和方法对所建立的工作流模型进行基于规则的启发式动态调度 ,从而实现对工作流模型的动态仿真 .所提出的模型和算法紧密集成 ,易于实现 .并用一个实例对所提出的建模方法和调度过程进行了说明 .     

学习记忆恢复过程的时空波动规律

记忆一直作为心理学的核心内容之一而受到极大的重视 .本文从学习记忆心理角度 ,在综合了由观察和实验研究所获得的有关保持与遗忘方面的研究成果的基础上 ,根据赫尔学习系统的基本公设理论 ,运用现代科学中的模型方法 ,构建关于学习记忆心理过程的数学模型 ,并通过齐次平衡法、数值模拟等数学演绎 ,分析解释记忆恢复过程多峰现象 ,提出学习记忆恢复过程的混沌模式。     

虚拟企业中核心能力的定性与定量识别

首先对企业核心能力的概念进行了辨析和界定 ,给出了一个识别核心能力的定性框架 .进一步地 ,根据虚拟企业组建过程的需要 ,提出了一个基于模糊聚类的伙伴企业核心能力的定量识别方法 .最后 ,给出了一个简化的仿真算例 ,以说明该方法的有效性.     

模糊多目标有约束投资项目选择建模

基于模糊多目标评价 ,对有约束条件的多个投资项目的选择问题 ,建立了一个模糊规划模型 ,利用一种对模糊数排序的解模糊函数 ,对集结成的各项目的非线性模糊综合评价值解模糊 ,将模糊规划模型转化为线性规划模型求解 ,最后给出了一个例子.     

等式约束的凸非线性规划问题降维算法

对等式约束的凸非线性规划问题的非线性方程组算法进行了研究.从一般等式约束问题的最优性条件出发,构造一个非线性方程组,解此方程组便可求得非线性规划问题的最优解.     

基于智能Agent的复合学习方法

从实例学习和事例推理的关系出发,分析了专家经验累积的过程,指出传统知识获取瓶颈的根源.在此基础上,借助agent理论,提出了一种从专家分析实例学习和事例推理的有机结合模型,给出了专家知识获取的基本框架.构成此框架的各归纳学习agent在专家的协助下,可通过加强学习机制相互促进.     

一类非线性时滞系统的可靠控制设计

针对一类非线性时滞系统 ,首先不考虑故障情况 ,设计了一种控制器 ,使得系统在控制器的作用下 ,对于任意的初始状态都能控制到原点。然后针对可能发生的故障 ,利用神经网络的在线建模能力 ,以其输出作为原有控制律的附加控制信号来补偿故障对系统的影响 ,从而构成了一种可靠控制器 ,实现了该类系统的可靠控制。