非线性二阶中立型分布时滞微分方程的振动准则

研究非线性二阶中立型分布时滞微分方程r(t)ψ(x(t))[x(t) c(t)x(τ(t))]′′ ∫abp(t,ξ)f(x[g(t,ξ)])dσ(ξ)=0,t≥t0的振动性问题.通过R iccati变换,利用将二维振动问题化为一维问题的方法,得到了方程的每一个解均为振动的几个充分条件.所得到的结果推广和改进了参考文献[1]和[7]中的振动定理.     

超常参数条件下汽固两相流动的相似与模化方法探究

基于相似与模化理论和三维数值模拟方法,对超常参数汽轮机调节级喷嘴内汽固两相模化试验方法进行了研究.结果表明:马赫数和斯托克斯数(Stk)是两相流动的决定性相似准则,其对粒子与壁面撞击速度的模化误差小于5%,撞击角度的模化误差小于3°;经过多种参数组合试验才能筛选出实现Stk在相应位置对应相等的数据,数值模拟预测可减少试验模化参数选择的盲目性.对比不同反弹模型论证了粒子反弹对冲蚀喷嘴壁面影响不大,偏差小于3%.该研究扩展了汽固两相流模化理论在超常参数条件下的应用.     

一类中立型系统的时滞相关H∞控制

研究中立型系统的鲁棒H∞控制问题.目标是设计一个状态反馈控制器使得系统保持稳定.基于线性矩阵不等式的方法来求解这个在扰动衰减上用一个H∞范数来约束的问题.     

量子迭代与可积性

本文提出一个求解定态问题的量子迭代方程,并把它作为研究量子不可积性的手段,揭示了Hose-Taylor判据的局限性,并探讨出现这种局限性的原因。     

基于偏最小二乘与极大间距准则的微阵列分类

 针对基因表达数据中的高维小样本问题，提出了一种两阶段的识别框架：“偏最小二乘法(PLS)+极大间距准则(MMC）”。该方法首先使用PLS算法提取出带有分类信息的特征，然后使用MMC准则对样本进行分类。在六个公共的基因数据库上与一些常见的基因分类方法相比较，结果显示了该方法对基于基因表达数据的肿瘤分类有效且稳定。     

谈新课标下的生物实验教学

为了适应生物新课标的需要，转变学生学习方式，培养学生的科学探究能力，激发学生在实验生物教学课程中的创新精神。     

基于同类样本覆盖的BP网络结构设计准则研究

针对采用反向传播算法的神经网络(Backpropagation:BP)作为实现仿生模式识别理论的工具时所遇到的最佳结构设计问题,提出了一个基于提高仿生模式识别系统性能的BP神经网络结构设计准则。该准则基于无论是在不同类样本点间还是同类样本点间都存在有先验知识这一结论,通过利用同类样本中所蕴含的先验知识对神经网络的结构进行设计,不仅能够确保仿生模式识别过程中的学习过程有效收敛,而且也使得网络结构的设计满足特定任务的要求。交通标识符识别的对比实验结果证明了该设计准则的有效性。     

基于Metropolis准则的多步Q学习算法与性能仿真

强化学习是目前智能体和机器学习研究的热点。针对强化学习中标准Q学习算法更新速度慢的缺点,通过引入多步信息更新策略和模拟退火中的Metropolis准则,提出了一种新颖的多步Q学习算法,称为SAMQ算法。仿真实验表明,与现有的算法相比,该算法能够有效提高收敛速度,较好地解决智能体选择动作时面临的新知识探索还是当前策略遵循的关键问题。     

异方差混合双自回归模型-HMDAR

研究了异方差混合双自回归模型(Heteroscedastic mixture double-autoregressive model,HMDAR)。给出了HMDAR模型的平稳性条件。利用ECM(Expectation conditional maximization)算法估计模型的参数,运用BIC(Bayes information criterion)准则选择模型.HMDAR模型分布形式的灵活性使得它能够对具有非对称或多峰分布的序列进行建模。将该模型应用于几个模拟和实际数据集均得到了较为满意的结果。特别是对于波动较大的序列,HMDAR模型能比其它模型更好的捕捉到数据序列的特征。     

迭代量化设计定点系数FIR数字滤波器

基于峰值约束最小平方优化标准,提出了一种用于设计线性相位定点系数FIR数字滤波器的新方法.修正了传统多交换算法,使之能在部分系数固定的情况下得到具有浮点精度的其余系数;提出了一个结合该修正多交换算法的迭代量化过程,将所有系数逐一量化成定点精度.设计实例验证了该方法的有效性.