非奇异H矩阵的充分条件

从矩阵元素出发,给出了非奇异H矩阵的一组充分条件,用数值举例验证了该充分条件的优越性.     

行列式性质的简单证明

文章给出线性代数教科书中行列式性质的一个简单证明,从而简化线性代数的教学内容,有助于线性代数的教学.     

人工模拟降雨系统数学模型的建立

采用机理法对人工模拟降雨系统控制算法建立数学模型.用对角矩阵法对两供水管道进行了解耦,并且根据系统实际参数及计算要求的精度,略去一些次要因素,使模型既能准确地反映系统的动态本质,又能简化设计工作.     

关于z-矩阵的新的预条件迭代方法

引入了新的预条件矩阵P（α,β）=I＋αS＋Rβ,得到了当系数矩阵A是对角占优的Z-矩阵时,矩阵（I＋αS＋Rβ）A在一定的条件下也是对角占优的Z-矩阵,并在此基础上得出了几个重要的收敛定理。新的预条件方法推广了已有的相关结论,并用数值试验对所得定理结论的有效性进行了验证。     

非奇异H-矩阵的判定

运用矩阵分析方法,讨论了非奇异H-矩阵的判定问题,得到两个非奇异H-矩阵新的判定准则,并以数值例子说明判定方法的有效性.     

二阶对角递归神经网络船舶横摇运动预测

提出一种船舶横摇时间序列预测方法.该方法使用在隐层具有2个反馈权值的对角递归神经网络进行预测,给出了此网络易于实现的动量梯度学习算法(DBP),并对其收敛性进行了验证.运用该模型对我国某型船舶在横浪中航行情况进行预测,结果表明:本网络可以储存更多的历史数据,有更好的记忆性能,所使用的模型比DRNN模型及前向网络BP模型能快速、准确地预测船舶横摇运动时间序列,仿真实验验证了该方法的可行性与有效性.     

基于对角递归神经网络的建模及应用

介绍了对角递归神经网络,针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练.通过对非线性系统辨识的仿真及在磷化温控系统建模中的应用,验证了这种建模方法的有效性.     

一种自适应阵列指向误差校正方法

在自适应阵列处理中,指向误差将使阵列处理性能严重下降,必须进行校正。在分析指向误差对自适应波束形成性能影响的基础上,提出一种利用阵列接收数据和指向误差不确定度的指向误差校正方法,通过牛顿法迭代求解用于修正阵列导向矢量的因子,然后进行自适应波束形成。理论分析和仿真结果表明：新方法对指向误差具有较好的鲁棒性。     

H-矩阵的判定方法

给出了广义α—严格对角占优矩阵的几个新的充分条件，利用α—严格对角占优与广义严格对角占优的等价性，得到了广义严格对角占优矩阵与H—矩阵以及非奇导M—矩阵的若干新的判定方法。     

广义严格对角占优矩阵的一组含参数充分条件

广义严格对角占优矩阵在很多应用方面发挥着重要作用.给出了一些判别广义严格对角占优矩阵的充分条件.推广和改进了已有的相关结果,并用数值算例说明了结果的有效性.