容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略；首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性，学习结果后，将该神经网络作为控制器对系统实验控制，对一个具体的线性控制在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器，而且在系统发生未知故障时，同样具有容错性。     

微切平面逼近三维散乱数据的研究

提出了三维散乱数据微切平面逼近的算法。基于曲面形信息反映在三维散乱点集中，用维三点集中某点的邻 集构造微切平面来近似表示该点处的局部形状，所有点的微切平面集合则构成了待构曲面的近似表示。通过欧几里德最小生成树对微切平面法矢方向进行调整使其达到整体一致性，该算法在三维散乱数据曲面重构中具有重要意义。     

用B样条曲线优化逼近矢量汉字

针对激光切割矢量汉字中出现的问题，提出了用参数三次Ｂ样条曲线优化逼近矢量汉字的局中轮廓，在优化逼近过程中，应用了Ｔａｙｌｏｒ级数展开法进行了Ｂ样条曲线的参数优化，反复拟合得到优化的参数值，使在误差允许的范围内，获得用Ｂ样条曲线优化逼近的汉字轮廓，处理后的矢量汉字字我顺，生成的烽控程序短。     

基于语料库的语言建模

语料库语言学的发展的核心问题是语言模型的建立问题。常用的语言模型可以概括为三类：（１）ｎ元模型（及隐马尔可夫模型）；（２）基于分布理论的模型；（３）基于规则的模型。基于语料库的建模过程就是对语言模型的参数进行求解的过程，也可以认为是一个机器学习的过程。它可分为两大类别：（１）有指导学习；（２）无指导学习。本文着重论述了近年发展的热点——无指导学习的各种技术和影响参数可信度的数据稀疏问题及其解决办法。     

多项式隐函数在一点邻域里的近似显式算法

利用隐函定理和Ｗｕ－Ｒｉｔｔ方法给出了多项式隐函数在一点邻域内的一种近似显式算法，并给出了根据要求精度计算邻域半径和迭代次数的关系式，使得这种算法的误差具有可控性，计算量小，容易上机实现，在理想的近似参数化及近似定理证明中有进一步的应用。     

多元Sikkema算子的逼近定理

研究单纯形上多元Ｓｉｋｋｅｍａ算子的逼近，得到逼近正逆定理和渐近估计。     

关于二元广义Baskakov算子的逼近

构造了广义二元Ｂａｓｋａｋｏｖ算子，讨论了其在Ｃ空间的逼近性质。     

Gauss—Weierstrass算子的某些逼近性质

该文主要讨论了Gauss—Weierstrass算子｛Wn｝在给定点对LipschitZ函数类的逼近误差以及某些高阶逼近问题，并得到了｛wn｝的局部Nikolskii常数。     

拟凹算子不动点的逼近

<正> 从著名的Banach压缩映照原理的证明过程可知:算子A的压缩性可推出迭代列x_n=Ax_(n-1)收敛到A的不动点x~*,而不动点的唯一性也是直接从算子A的压缩性得来的。值得注重的是:A的压缩性只是迭代列x_n=Ax_(n-1)收敛到A的不动点的充分条件,而非必要条件。对某些非压缩算子A,迭代列x_n=AX_(n-1)仍有可能收敛到A的不动点x~*。     

一致凸线性距离空间的最佳联合逼近性

本文证明了一致凸线性距离空间存在唯一的最佳联合逼近元。