求解非光滑优化问题的修正HS三项共轭梯度法

为了提高大规模非光滑优化问题的求解效率,克服其他方法存储需求大、算法复杂等缺点,提出求解非光滑优化问题的一种修正HS共轭梯度算法。在经典HS三项共轭梯度法的基础上提出一种新的搜索方向,并利用Moreau-Yosida正则化技术和Armijo-type线搜索技术进行设计。新算法满足充分下降条件,搜索方向属于信赖域,在适当条件下证明了新算法全局收敛。初步的数值实验表明新算法在求解非光滑无约束优化问题方面比LMBM方法更有效。新算法不仅具有较好的收敛性质,而且数值表现良好,为更加高效地求解非光滑优化问题提供了新的方法。     

修改的βNk(μ)方法在标准Wolfe条件下的全局收敛性

在没有线搜索的条件下,修改的βNk(μ)方法满足充分下降条件.证明了其在标准Wolfe条件下具有全局收敛性.初步的数值结果表明该方法是有效的.     

色散型光学双稳系统中的随机共振

运用统一色噪声近似理论、最速下降法理论和随机共振的双态理论推导出在色散型光学双稳系统中由于注入相干光的强度和位相的波动所引起的乘性噪声并在外部周期性弱信号共同驱动下系统的平均首次通过时间和系统信噪比的解析表达式,分析了不同的初始条件下,噪声的关联时间和噪声的强度对首通时间和信噪比的影响,通过对信噪比曲线的研究,分析了系统的随机共振现象.     

一种基于二阶导数的 BP 算法

根据神经网络模型的结构特点,将能量函数的二阶导数与最速下降方向相结合,构造出一种新型的ＢＰ算法,该算法比梯度法收敛快,较牛顿法计算量小．它适合于计算结构复杂的ＢＰ神经网络模型,理论分析表明该算法行之有效,计算机仿真达到了理想的效果．     

关于丢番图方程x4+mx2y2+ny4=z2

利用初等数论和Fermat无穷递降法证明了方程x4+mx2y2+ny4=z2在(m,n)=(18,27),(-9,-27).(±9,27),(±18,-27),(18,189),(-36,216)时均无正整数解,并且获得了方程在(m,n)=(士6,24),(±12,-60),(9,-27),(-18,189),(36,216),(-18,27)时的无穷多组正整数解的通解公式,从而完善了Aubry等人的结果.     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

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.     

基于凸组合技术的加速FR型共轭梯度算法

为高效求解非线性方程组问题,利用凸组合技术设计一个新型搜索方向,同时结合加速线搜索技术,提出一个新的加速FR型共轭梯度算法.在合理的假设下,新算法拥有全局收敛的良好性质.数值试验结果表明,新算法总体上优于经典FR算法和三项FR算法.新算法继承了修正FR方法的良好数值效果、充分下降性及信赖域特征,并具有计算简单和存储量小...     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。