Fibonacci序列的同余性质

<正> 自从Schechtman et al在1984年发现准晶(quasicrystals)以来,人们对Fibonacci序列的研究也日趋活跃起来。这里我们给出Fibonacci序列的同余性质。     

混沌的神经网络

现在研究神经网络的人很多,但主要是人工神经网络。最近,有几个实验室分析了健康人的脑电图,发现其中存在混沌的证据;混沌也会是神经系统的正常特征。其实,尤其在一个单独的生物神经元中,可以在实验上观察到混沌性态,而这是一般人工神经元所没有的。本文介绍一种单独神经元的模型,它能够定性地描写实验观察到的混沌响应。一、神经元的非线性动力学模拟生物神经元动态的历史要追溯到早期的一些著名模型,例如MoCulloch-Pitts神经元(1943)和     

一类广义非扩张映像的不动点定理

在 Ｂａｎａｃｈ空间中讨论一类广义非扩张映像的不动点的存在性和迭代逼近，以及不动点集的性质。     

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。     

矩阵序列与多重线性多项式

引入矩阵序列的概念，研究了一般环上矩阵环的多重线性多项式。     

基于混沌控制的自适应Turbo码译码改进算法

针对Turbo码在译码过程中迭代次数不确定的缺点,提出了一种新的改进算法。即在对附加信息(译码器的先验信息)进行混沌控制的基础上,以附加信息间的距离度量作为迭代终止的判定。仿真试验表明,该改进算法能在保证译码的准确性基础上,避免大量无谓的计算,提高译码速度,尤其在信噪比较大的情况下,效果更为明显。     

知识发现中一种变化趋势模型的算法研究

在时序数据库中,有许多成熟的技术和方法用来对布尔型属性之间的关系进行挖掘,但对于数值型属性变化趋势关联关系的研究却不是很多.本文提出了一种数值型属性变化趋势的研究模型QMP(QuantityMovementPattern),依据该模型可利用数据挖掘算法发现不同数值型属性之间变化趋势之间的关系.文中分析了该模型的几种实现算法,并给出了一种快速实现算法及实验数据.     

延迟微分反馈法控制混沌

利用可测变量的微商进行反馈,提出了用延迟微分反馈控制(DDFC:DelayedDifferentialFeedbackControl)实现混沌控制的方法。理论证明了微分反馈控制和DDFC控制Lü系统3个平衡点的稳定可控性。在Matlab进行了数值仿真,结果表明,通过调节延迟时间τ和控制增益k,DDFC系统能自动寻找和稳定不同的不稳定周期轨道(UPO:UnstablePeriodicOrbit),实现混沌控制。     

一个具有全局吸引混沌吸引子的系统及其混沌同步

报道了一个分段线性离散系统的混沌引子，通过系统对初始条件的敏感依赖性研究，得出此吸引子是全局吸引的。为进一步证实此系统是混沌系统，又对此系统进行了不同初始条件下的混沌同步研究，利用反馈同步方法，很容易地实现了此系统的混沌同步。最后对混沌系统的开关项变化问题进行了研究，通过数值计算，得出不同开关参数下，混沌吸引子的形状是完全一样的，不同的是混沌吸引子在状态空间的形状围成的面积将发生变化。