一类非线性拟双曲方程Hermite型有限元分析

利用有限元方法研究一类广泛的非线性广义神经传播方程.首先,讨论其在半离散格式下解的收敛性;其次,利用插值算子与Ritz-Volterra投影相一致的特殊性质得到了解的超逼近性质;最后,通过构造一个插值后处理算子导出了解的整体超收敛结果.     

S关于f的交矩阵

设(U,p)是偏序为p的偏序集,U是格,f是定义在U上的正实函数,矩阵[S]f=(sij)n×n,sij=f((xi,xj)p),而(xi,xj)p是xi,xj在格U中的交,xi,xj∈S,1≤i,j≤n.ΨS,f是定义在S上的一个广义欧拉函数,这里主要是得到det[S]f与ΨS,f之间的一些关系。     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

广义KKM定理与匹配定理,重合定理

在Ｈ－空间中利用紧闭（紧开）的概念，得到了广义ＫＫＭ定理，作为应用证明了匹配定理和重合定理，所得结果推广和统一了Ｆａｎ及Ｆｏｒｖａｔｈ等人的研究结果     

具有sn-网的空间

证明了具有σ—点有限sn—网及σ—局部可数sn—网的空间可刻划为度量空间在某些确定映射下的象.     

广义计算与商业智能

广义计算是一类融符号计算、神经计算、模糊计算和演化计算于一体的智能型问题求解方法 ,而商业智能则是一门实用性很强的新型学科 .本文简要讨论了广义计算的基本原理 ,分析了商业智能的发展现状与关键技术 ,提出了一种新的基于广义计算的商业智能模型 .     

基于遗传算法的人工神经网络优化设计

提出遗传算法新的编码方案，用于全局优化神经网络拓扑结构和权值参数，解决了神经网络拓扑结构的难确定性和权值训练的长时性问题，并且在遗传操作中采用自适应代沟的替代策略，改善其求解效率，获得了良好的优化结果。通过仿真实验显示了该算法的快速性和有效性。     

用遗传算法优化模糊控制规则

提出了二维调整因子的概念,并用遗传算法优化选取二维调整因子,量化因子以及比例因子,仿真例证明其有效性。     

混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

考虑风力发电的系统无功优化模型和算法

针对风力发电需要吸收电网大量无功而影响电网无功分布和电压稳定的问题,研究了含风电场的系统无功优化,给出了风电场在恒功率因数运行情况下其并网点处无功补偿容量的计算方法．在满足风电场无功补偿的前提下,建立了以全网的有功网损最小为目标函数的无功优化模型,并用遗传算法求得最优解．将风电场接人IEEE-30节点系统进行仿真计算,验证了该方法和程序的有效性和实用性．