BP网络的谐波检测方法分析

介绍了一种基于BP网络的谐波检测分析方法。该方法通过对BP网络模型的选取解决了隐层的学习问题,应用于电力系统谐波检测。根据傅立叶形式BP网络的输出等价于傅立叶级数,将BP网络设计成一个单输入单输出系统,以三角函数作为"激励函数"构成隐层空间,采用梯度下降法调整权值。为保证BP网络的收敛性,根据李亚普诺夫定理,限定学习率η的范围。仿真结果表明,利用该方法可以有效地提高BP网络的收敛速度和计算精度,快速获得各次谐波高精度的幅值和相位。     

基于色调一致性改进的图像融合最速下降法

为了获取IKONOS高分辨率多光谱图像,更有效地对IKONOS卫星图像进行利用,分析了使用最速下降法对IKONOS卫星的高空间分辨率全色图像PAN(panchromatic images)和低空间分辨率多光谱图像MS(multispectral images)进行融合的技术.提出以MS图像(波段:R,G,B)中每个像素点的R、G、B三色分量值所占比例大小为基础设立矩阵参数,代替原算法能量方程中R、G和B波段图像前的常值参数,使融合图像与MS图像的色调保持完全一致,同时适度取小NIR波段图像前的参数值,提高了融合图像的清晰度.在进行的5种算法融合对比仿真实验中,通过主客观两方面对融合图像质量进行了评价,证明了改进后算法的有效性和优越性.     

输入矩阵定常型切换线性系统的能控性探讨

重新考察一类切换线性系统的能控性,这类系统具有不同的系统矩阵和相同的输入矩阵.研究发现文献导出的必要充分条件为假命题,该判据只适用于2阶系统,对于3阶及以上系统其必要性不一定成立.并证明第一不变子空间只是能控状态集的真子集,而非其全体.最后通过1个反例对结论予以验证.     

热传导界面问题的一种神经网络算法

本文讨论了一种单隐层神经网络算法在数值求解热传导界面问题中的应用。该算法设定含有神经网络函数的近似解满足初边值条件和Dirichlet 界面条件,通过求解由原方程导出的关于神经网络权重的离散优化问题来训练近似解中的神经网络,以使近似解逼近真解。文中也给出了一种基于随机梯度法思想的类随机梯度法来求解相应的离散优化问题。数值算例验证了算法的有效性。     

修改的LS共轭梯度法在强Wolfe条件下的全局收敛性(英文)

提出一种修改的LS共轭梯度法.在精确线搜索下,该方法可归结为LS共轭梯度法.在非精确线搜索下,它满足充分下降条件gkTdk≤-3/4∥gk∥2.本文还证明了其在强Wolfe条件下的全局收敛性.初步的数值结果表明该方法是有效的.     

带p-Laplace算子的非线性两点边值问题正解存在的充分必要条件

利用锥拉伸与压缩不动点定理,研究了带有p-Laplace算子的非线性两点边值问题{（φ（x′））′＋f（t,x,x′）=0,t∈（0,1）,x（0）=x（1）=0存在正解的充分必要条件,其中φp（s）=｜s｜^p-2,p〉1,φp^-1（s）=φq（s）,1/p＋1/q=1.     

一类修正PRP共轭梯度法及其全局收敛性

提出一类改进的PRP共轭梯度法,该算法采用一个新的公式计算参数并且具有下列性质:1)在任何线搜索下都满足充分下降性;2)继承了PRP方法的重要性质;3)在一些假设条件下具有全局收敛性.初步的数值试验表明,该算法是有效可行的.     

基于改进平滑 l 0 范数的 DOA 估计算法

为提高现有基于压缩感知的 DOA(Direction of Arrival)估计算法估计精度, 提出一种基于改进平滑 l 0 范数 的 DOA 估计算法。 该算法在构造一个恰当的平滑连续函数后根据接收数据的初始解确定一个合适的递减{δ} 序列[δ1 ,δ 2 ,…,δ J ], 并对每个δ 值, 采用最速下降法求解 l 0 范数逼近函数 Fδ (S)的最小值; 然后将该δ 值作 为下一次迭代的初始值, 并通过多次的迭代获得逼近函数的最小解, 即逼近的最小 l 0 范数。 同时通过仿真实 验对该算法进行了验证。 结果表明, 该算法在单快拍条件下即可对 DOA 进行有效估计, 与 OMP(Orthogonal Matching Pursuit)算法相比, 运算过程简单、 精度较高, 具有更好的估计性能。     

一个修正的NVPRP方法

非线性共轭梯度方法是解决大规模无约束问题最有效的方法之一,提出了一类新的修正共轭梯度算法,新算法推广了黄海东等的共轭梯度参数算法,不依赖任何线搜索且具有充分下降性;然后,在标准Wolfe非精确线搜索下,得到了新算法的全局收敛性.     

一类具有充分下降性修正的DL共轭梯度法

基于DL共轭梯度方法,提出了一类修正的DL方法来解决无约束优化问题.该方法相对于DL共轭梯度方法具有一个更好的性质,即在强Wolfe线搜索条件下搜索方向具有充分下降性;证明了该方法在强Wolfe线搜索条件具有全局收敛性.