RNN神经网络的应用研究

对动态回归神经网络模型结构与算法进行了分析，采用多层反馈ＲＮＮ网络，以典型的非线性化工过程ＣＳＴＲ为应用对象，比较了采用前馈ＢＰ网络和Ｅｌｍａｎ的ＲＮＮ网络进行模型化与模拟，最后用一个时变过程和苯酐工业生产过程模拟验证。结果表明，动态回归神经网络具有较好的收敛性和稳定性，可用于复杂动态过程的工业应用。     

Durrmeyer—Bernstein多项式点态逼近的一点注记

本文研究了DB多项式在函数的第一类间断点处的逼近性质。     

小波分析在太阳辐射神经网络预测中的应用研究

通过小波变换将太阳辐射数据序列分解到不同的时频域上，并对每一频域分量建立一个递归BP网络模型；然后用网络模型对各频域分量进行预测，将各预测结果进行代数叠加，从而得到太阳辐射的预测结果。为体现近期预测结果在精度上的相对重要性，在递归BP网络的权闽值修改算法中，引入了折扣系数法。最后，通过对上海太阳日总辐射的预测实例表明，该方法在预测太阳辐射时是可行的。     

树映射中不含周期点的开子树的特征

讨论T是树且f是T的连续自映射时,T中不含f周期点的开子树的一些性质.     

关于不定方程X3+8=Dy2

首先利用递归数列的方法证明了不定方程x3+1=158y2仅有整数解(x,y)=(-1,0),(293,±399)。进而证明了不定方程x3+8=79y2仅有整数解(x,y)=(-2,0),(586,±1596)。     

关于不定方程x3+8=21y2

讨论不定方程x3+8=21y2的整数解.方法主要利用同余式,递归序列的有关性质和结论.给出了不定方程x3+8=21y2仅有整数解(x,y)=(－2,0).推广了不定方程的研究范围,为进一步研究提供了方向.     

简单动态递归神经网络在非线性系统辨识中的应用

提出了用一种结构非常简单的动态递归神经网络(SRNN)辨识非线性系统的方法。该方法研究了在递归层不加权的网络简单拓扑结构,推导出SRNN的预报误差(RPE)学习算法,并对算法进行了补充和改进。仿真实验结果表明,这种网络需要调整的权系值少,且改进后的学习算法简单、辨识速度快、模型精度高,解决了一般动态递归网络因网络拓扑结构复杂造成的训练算法复杂、收敛速度慢的问题,可以实时应用。     

POINTWISE MULTIPLIERS OF DIRICHLET TYPE SPACES ON THE UNIT BALL OF C~n

1 IntroductionLet B be the uait ball of Cn with boundary S, u the Lebesgue measure on B normalized sothat u(B) = 1 and u the normalized rotation invarian measure on S, i.e. a(S) = 1. The classof all holomorphic functions will be denoted by H(B).Let f be i…     

STATIONARY BEHAVIOR OF THE TWO－STAGE TANDEM QUEUEING SYSTEM WITH FINITE CAPACITY AND MATCHED SERVICE

ＳＴＡＴＩＯＮＡＲＹＢＥＨＡＶＩＯＲＯＦＴＨＥＴＷＯ－ＳＴＡＧＥＴＡＮＤＥＭＱＵＥＵＥＩＮＧＳＹＳＴＥＭＷＩＴＨＦＩＮＩＴＥＣＡＰＡＣＩＴＹＡＮＤＭＡＴＣＨＥＤＳＥＲＶＩＣＥ￥ＹＵＡＮＸｕｅｍｉｎｇ（ＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎ，Ａｃｏ...     

基于编码器-解码器结构的路面平整度预测

提出了基于编码器?解码器结构的路面平整度预测模型。对比分析了不同网络层的表现,并比较了网络层个数、隐藏节点数、数据时间窗口对模型精度的影响。在美国交通部公开的LTPP（long-term pavement performance）数据库的基础上构建了国际平整度指数（IRI）数据集,并对模型进行了训练和评估。结果表明：采用门控循环单元（GRU）网络层的编码器?解码器结构的预测性能最好,优于经典的机器学习模型XGBoost和单独长短期记忆（LSTM）网络。通过特征随机打乱的方式对不同输入特征的重要性进行了评估,结果显示路面结构和温度对于路面平整度预测比较重要,在数据库建设时应注意对这些数据的收集。