BP网络自适应学习率研究

分析了自适应学习率BP算法,并对其进行了总结分类,针对每一类介绍了几种具体的自适应学习率BP算法。最后结合XOR问题把一种自适应学习率BP算法和标准BP算法进行了比较和评价。     

辨识动态系统噪声方差Q和R的新方法

对于带未知噪声方差的线性离散定常随机系统,引入左素分解可得到一个新的观测过程,它用两个滑动平均（MA）过程之和表示。用解相关函数矩阵方程组得到了噪声方差Q和R的估值器,进而基于新的观测过程的采样相关函数及其遍历性可得到噪声方差Q和R的强一致估计。算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。     

Cohen-Grossberg神经网络周期解的全局稳定性

讨论了Cohen-Grossberg神经网络周期解的存在性和全局指数稳定性.讨论的模型非常综合,包含了大部分的模型,利用的条件非常弱,取得的结果非常简洁.     

一类Wolfe搜索下的共轭梯度法及其全局收敛性

构造一个新的求解无约束优化问题的非线性共轭梯度公式中βk参数的计算公式,采用该公式得到Wolfe非精确线搜索的新算法,并证明新算法具有全局收敛性,并用数值实验验证新算法是有效的.     

一类无约束优化问题的非单调谱共轭梯度方法

结合文献[5]给出的求解非线性无约束优化问题的新公式βkWYL=[gTk(gk-‖gk‖/‖gk-1‖gk-1)]/gk-1Tgk-1提出了一种新的非单调谱共轭梯度法,证明算法具有全局收敛性,并进行数值试验.数值试验结果表明,该方法具有良好的计算效能,特别适合于求解大规模无约束优化问题.     

C[0,1]上完备的三角形正交函数系

基于W alsh函数,建立一个新的函数系T n n∈N.它是一个分段线性函数序列,在0,1的子区间上其函数图像呈现三角形。并且证明了它是C[0,1]上一个完备的正交函数系。在此函数系上展成的Fourier级数有许多与三角Fourier级数相似的性质,三角形Fourier级数的部分和在作为函数的逼近工具时确实要比三角Fourier级数优越一些。     

基于免疫网络理论的动态超变异免疫算法

基于免疫网络理论,提出了一种动态超变异免疫算法,该算法通过采用新的超变异方法增强了算法在解域的搜索能力。同时根据抗体的激励水平进行免疫调节操作,保持了抗体群的多样性。最后根据随机过程的理论知识,证明了该算法的收敛性。仿真结果表明:该算法采用格雷编码时的性能优于用二进制编码实现的算法,与遗传算法和克隆选择算法相比,不仅收敛速度快,而且全局搜索能力强。     

一定条件下PA序列部分和的完全收敛性

根据PA序列的一些基本性质和定理,比照独立随机变量下的结论,对PA序列的完全收敛性作了初步的推导和论证,从而完善了相关结果.     

一类非线性发展方程差分法的稳定性

研究了用差分法求解自治的发展方程时稳定性和收敛性这两个基本概念之间的联系,利用计算时间的有限性和紧致性,在可解集为开集的条件下,得出方程解的邻近也可解的结论.当近似方法同时具备收敛性和稳定性时,方程解必然具备逐点Lipschitz条件.方程解的邻近如果可解并具备逐点Lipschitz条件,则差分法收敛必有稳定界存在,从而差分格式收敛性保证其稳定性,因此可以放弃线性这一重要条件.     

随机级数的自然边界

利用一个有关解析函数项级数S-可和的引理,以及对称随机级数的S-和及a.s.收敛性关系,有下列结果:一般对称随机解析函数项级数的收敛边界几乎必然是自然边界.特别地,对称随机Taylor级数,随机Dirichlet级数,随机罗朗级数等的收敛边界几乎必然是自然边界.