基于迭代加权?q范数最小化的稀疏阵列综合方法

摘 要：针对非均匀稀疏阵列综合问题,提出一种利用迭代加权?q(0相似文献   

一种模糊神经网络的硬件电路优化设计方式

为提高模拟电路实现模糊神经网络的精度,通过对模糊神经网络中的高斯函数电路、求小电路以及去模糊电路分别进行性能优化,从整体上达到模拟电路实现模糊神经网络中高精度、高速的特性要求.所设计的模糊神经网络整体电路采用电压模式实现,并通过逼近一个非线性函数来验证.所设计的模拟单元电路均采用TSMC 0.18 μm工艺参数设计完成.通过Cadence软件仿真,结果表明:在1.8 V的工作电压下,所提出的改进型单元电路具有精度高、结构简单、便于调节和扩展的特性,并且能够完整地实现模糊神经网络的控制.     

基于Gibbs自由能最小原理分析CO2重整CH4

运用G ibbs自由能最小方法,研究了重整反应器的操作参数(温度、压力、反应气配比等)对CO2重整反应中CH4转化率和产物分布的影响,以及甲烷氧化反应与CO2重整反应间的能量耦合.研究结果表明:反应压力P不变(P=101.325 kPa),随温度升高CH4和CO2转化率增大,在900 K左右产生的H2O(g)的量达到极大值,在1 200 K以上CH4转化率接近100%;反应温度T不变(T=973 K),随压力升高CH4和CO2转化率降低,H2O(g)的选择性略微增加;T=973 K,P=101.325 kPa,原料气中nCH4/nCO2(摩尔比)从0.65增加到2.0时,CH4转化率从85%降到45%,nH2/nCO(摩尔比)从0.77增加到0.95;反应器中加入适量O2,可以提供CO2重整反应所需的能量,同时可调节产物中CO与H2的摩尔比.     

阵列失效单元非凸压缩感知平面近场快速诊断方法

在阵列失效单元压缩感知近场诊断方法中,缺乏观测矩阵是否满足约束等距特性的先验信息,因此采用l1范数极小化凸优化算法将无法确保阵列失效单元的高概率精确诊断。针对该缺陷,提出了采用迭代重加权最小二乘的非凸压缩感知平面近场快速诊断方法。在失效单元个数远远小于单元总数的前提下,按照随机欠采样方式分别获取完好阵列和失效阵列的近场幅相信息,继而构造差异性阵列并利用所提的非凸优化算法对该阵列的激励进行重构,从而实现阵列失效单元的高概率精确诊断。数值仿真实验表明,所提方法不仅避免了观测矩阵约束等距特性的缺失对诊断性能造成的不利影响,而且克服了非凸范数易于陷入局部最优解这一弊端,明显缩短了诊断时间,有效提高了诊断成功概率。     

综合评价中误判风险的评估

文中提出一种综合评价误判风险的评估方法。该方法首先对各个总体产生误判的影响作定性分析和定量分析,然后结合动态加权法和误判率提出综合评价的误判风险,并以误判风险为准则评判综合评价模型的效果。实例表明,该方法具有良好的效果,能更好地选择合适的综合评价模型。     

基于经验风险的中心文本分类算法

采用经验风险最小化归纳原则和梯度下降方法调整传统中心分类法的类别中心向量, 解决了传统中心分类法因忽略训练集文本权值因素而导致的类别中心向量表达能力较差问题, 得到了与支持向量机分类性能基本一致的一种改进的中心分类法. 实验结果表明, 该方法是提高中心分类法分类性能的一种有效方法.     

基于粒子群优化的混合动力汽车多目标能量管理策略

为了同时实现降低整车能耗和控制电池电量的能量管理目标,针对某功率分流式混合动力汽车,提出了基于粒子群优化(PSO)的多目标能量管理策略。该策略采用双层结构,内层采用考虑模式切换的等效燃油消耗最少策略(ECMS)对工作模式和工作点进行优化,实现降低整车能耗的目标;外层采用PSO对等效因子进行迭代优化,实现电池电量的控制目标。通过基于实车控制策略的整车仿真模型对优化效果进行了验证,结果表明,PSO与ECMS相结合的能量管理策略可实现降低整车能耗与控制电池电量的双重目标。     

Progress in the applications of flux analysis of metabolic networks

The metabolic network has become a hot topic in the area of system biology and flux-based analysis plays a very important role in understanding the characteristics of organism metabolic networks. We review mainly the static methods for analyzing metabolic networks such as flux balance analysis (FBA), minimization of metabolic adjustment (MOMA), regulatory on / off minimization (ROOM), and dynamic flux balance analysis with linear quadratic regulator (DFBA-LQR). Then several kinds of commonly used software for flux analysis are introduced briefly and compared with each other. Finally, we highlight the applications of metabolic network flux analysis, especially its usage combined with other biological characteristics and its usage for drug design. The idea of combining the analysis of metabolic networks and other biochemical data has been gradually promoted and used in several aspects such as the combination of metabolic flux and the regulation of gene expression, the influence of protein evolution caused by metabolic flux, the relationship between metabolic flux and the topological characteristics, the optimization of metabolic engineering. More comprehensive and accurate properties of metabolic networks will be obtained by integrating metabolic flux analysis, network topological characteristics and dynamic modeling.     

Optimal conditional ARIMA forecasts

An optimal univariate forecast, based on historical and additional information about the future, is obtained in this paper. Its statistical properties, as well as some inferential procedures derived from it, are indicated. Two main situations are considered explicitly: (1) when the additional information imposes a constraint to be fulfilled exactly by the forecasts and (2) when the information is only a conjecture about the future values of the series or a forecast from an alternative model. Theoretical and empirical illustrations are provided, and a unification of the existing methods is also attempted.     

无约束函数极小的无二维搜索的记忆梯度法

无约束函数极小的记忆梯度法在每次迭代需要作一次二维搜索。本文建立了一个无二维搜索的记忆梯度法,把二维搜索转化成两个线搜索.从而减化了计算工作量。