|
|||||
|
|
| 基于神经网络的递推分块方法求任意高阶多项式的根 | |
| 作者姓名： | 黄德双 池哲儒 |
| 作者单位： | 1. 中国科学院合肥智能机械研究所,合肥,230031 2. 香港理工大学电子资讯工程系,香港 |
| 基金项目： | 国家自然科学基金(批准号:60173050)，中国科学院“百人计划”专项经费资助项目 |
| 摘 要： | 提出一种新的基于约束学习神经网络的递推分块方法, 来分批(块)求解任意高阶多项式的任意数(小于多项式的阶)个根(包括复根). 同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法, 提出了对应的学习参数的自适应选择方法. 实验结果表明, 这种分块神经求根方法, 相对传统方法, 能够快速有效地获得任意高阶多项式对应的根. |
| 关 键 词： | BP网络 约束学习算法 Laguerre法 Muller法 Jenkins-Traub法 自适应参数选择 高阶任意多项式 递推分块方法 |
| 收稿时间： | 2001-08-20 |
| 修稿时间： | 2003-08-10 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《中国科学(E辑)》浏览原始摘要信息 | |
| 点击此处可从《中国科学(E辑)》下载全文 | |