一类非光滑最优化信赖域算法

本文把通常的光滑信赖域算法推广到非光滑情形，目标函数仅为局部李普希兹连续，文中子问题的目标函数不必是通常的二次逼近形式。     

基于可拓论的工业水分过程系统综合建模

介绍了工业水分过程系统建模的研究方法。该文采用数学机理模型、经验模型、神经网络模型在物元模型的基础上综合方法，建立了大时延、大流量、大范围非线性时变的烟丝水分过程的模型。该模型以数学机理模型的解作为初始点，经验模型作为全局调节器，菱形思维神经网络模型作为局部调节器，从而使该模型更接近于实际工业过程。此方法物理机理明晰、能获得工业过程的全局优化结果、能解决系统中一些结构不良问题等。仿真结果表明：较之三种模型的有效性，对于解决复杂工业过程控制系统问题，可知工程方法是一条可探索途径。     

浅谈如何在课程改革下进行语文教学

素质教育是学校教育工作的核心，是实现学生能力培养及学生身心素质全面发展的主要途径。本文提出了如何在小学课程改革下开展语文教学的几种方式。     

原始地应力及力学参数的测定

本文根据孔壁应力解除法获得的量测应变,提出了采用最优化方法直接确定岩体的泊松比和原始地应力。实例表明,这样获得的原始地应力更符合实际——对应最小的量测残差。     

Krylov子空间投影法研究进展

Ｋｒｙｌｏｖ子空间投影法是一类非常有效的大型稀疏线性代数方程组解法，已被广泛应用于各种领域，随着左右空间Ｌｍ，Ｋｍ的不同取法可以得到许多人们熟知的方法．本文按矩阵Ｈｍ的不同类型，即为上Ｈｅｓｓｅｎｂｅｒｙ阵还是三对角阵将Ｋｒｙｌｏｖ子空间投影法分成两大类，从每步迭代是否具有最优性和方法的存储量、计算量等方面对Ｋｒｙｌｏｖ子空间法及其最新进展进行评述，指出Ｋｒｙｌｏｖ子空间法的局限及今后的研究方向．     

利用积分算子方程的小波－矩量法分析频率选择反射面

小波－矩量法以小波基作为矩量法中的基函数，通过Ｇａｌｅｒｋｉｎ法可以获得很稀疏的阻抗矩阵，用迭代法求解时可减少计算机内存和计算时间。该文以有限尺寸的频率选择反射面为例，用小波－矩量法分析散射特性和电流分布，着重讨论了阻抗矩阵的稀疏化程度对计算精度的影响。结果表明，当非零元素仅为１０％时，仍能达到满意的精度，因此小波－矩量法不失为分析电大尺寸问题的一种有效方法     

《光电技术》课程的教学改革与实践

对《光电技术》课程的教学内容和教学方法进行了改革，并提出了如将教学和科研有机结合起来开展实验教学改革，使教学能紧跟上高科技的飞速发展，充满活力和时代气息。实践证明，这些教学改革效果良好，不仅有助于激发学生学习兴趣，而且有利于培养学生分析问题和解决问题的能力。     

Samples Selection for Artificial Neural Network Training in Preliminary Structural Design

An artificial neural network (ANN) is applied in the preliminary structural design of reticulated shells. Major efforts are made to enhance the generalization ability of networks through well-selected training samples. Number-theoretic methods (NTMs) are adopted to generate samples with low discrepancy, i.e.uniformly scattered in the domain, where discrepancy is a quantitative measurement of the uniformity. The discrepancy of the NTM-based sample set is 1/6-1/7 that of samples with equal spacing. In a case study,networks trained by NTM-based samples are compared with those trained by equal-spaced samples in generalizing performance. The results show that both the computational precision and stability of the former ANNs are more satisfactory than those of the latter. It is concluded that the flexibility of ANNs in generalizing can be effectively increased by use of uniformly distributed training samples rather than simply piling data.More reliable uniformity should be obtained, however, through NTMs instead of equal-spaced samples.     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。