基于等距结点的Lagrange插值多项式在零点的收敛速度

S.M.Lozinskii指出了函数 |x|基于等距结点的 Lagrange插值多项式在零点的收敛速度 .2 0 0 0年 ,M.Revers把 S.M.Lozinskii的结果推广到 |x|α( 0 <α≤ 1 ) .在此中考虑了α>1的特殊情况 f ( x) =|x|5,对其基于等距结点 Lagrange插值多项式在零点收敛速度进行估计     

应用在线整定广义最小方差多项式权值的测头控制方法

在曲面工件的高精度、高效率自动扫描测量过程中,为了提高测头自动跟踪扫瞄控制的精度和平稳性,提出了基于在线整定多项式权值的广义最小方差(OSPW_GMV)控制方法.该方法的主要思想是根据在线估计的被控对象参数及OSPW_GMV的输出,在线调整多项式的权值,实现测头自动跟踪扫瞄的控制.实验结果证明,使用具有高跟踪精度和强鲁棒性的OSPW_GMV控制器,可使测头跟踪过程的误差小于0.1mm的跟踪要求,且每次运算时间与广义最小方差控制器相差不大,因此该控制方法在一些实时性及控制精度要求较高的精密检测场合,有较好的应用价值.     

整合发放神经元模型突触输入参数估计

文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。     

塔康脉冲峰值滑动窗检测与方位包络拟合方法

针对在低信噪比情况下塔康(tactical air navigation,TACAN)峰值检测误差大、脉冲形变和易丢失等问题,提出了滑动窗方法检测塔康钟形脉冲峰值.设计了与塔康钟形脉冲匹配的滑动窗,通过多次滑动比较窗中离散点与首尾点幅值来判断脉冲到达时刻,累加离散点做归一化估计峰值,采用最小二乘算法拟合周期内各峰值点估计包络,剔除偏差包络分布较大值并重新拟合提高角度测量精度.仿真结果表明,所提方法在低信噪比情况下,能有效检测峰值和估计方位信息,估计误差小于0.5.,满足塔康系统方位误差小于2°的要求.     

电磁场数值分析的无单元Galerkin方法

阐述了移动最小二乘无单元Galerkin方法的基本原理及实现过程,给出了权函数的选取原则,和基于Lagrange乘子法的边界条件处理方法,结合算例说明了该方法用于电磁场分析的有效性和计算特点,并着重研究了影响半径对计算结果的影响,计算结果表明,对于非均匀媒质,影响半径应在一个与高斯积分点有关的范围内取值,以避免媒质作用的“扩散”而降低计算精度。     

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。     

二元多项式最大公因式的矩阵求法

在二元多项式矩阵中引入初等行变换的概念,利用分式域和本原多项式的概念讨论了二元多项式最大公因式的求解方法,给出了利用矩阵初等变换求解多个二元多项式最大公因式的一般方法.     

无约束条件的矩阵多项式的秩和

应用多项式最大公因式与最小公倍式的对偶性,得到了用相应最大公因式与最小公倍式表示的无约束条件的任意有限个矩阵多项式的秩和恒等式.     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。     

基于等式约束最小二乘的B样条曲线拟合

 给出一种B样条曲线拟合有序数据的方法。以曲率为代价对有序数据简化。将简化后的数据插值曲线作为硬约束条件,以原始数据逼近曲线作为软约束条件,建立等式约束的最小二乘方程。利用QR分解技术求解方程确定B样条曲线的控制点。采用平方距离最小化方法计算原始数据到生成的B样条曲线的距离,如果不满足误差要求将误差最大数据加入硬约束条件,对局部受影响的部分重新生成曲线。该方法在满足拟合精度的前提下,具有较快的收敛速度,生成的B样条曲线具有较少的控制点。该方法也可用于解决带约束的曲线拟合问题。