基于回路神经网络的特征子空间估值算法(英文)

基于运用回复式离散神经网络进行特征子空间估值的理论,提出了解决正定对称矩阵的特征子空间估值问题的算法。其神经网络被描述为离散时间系统,它们在整个连续时间神经网络模型的数字化处理即计算机仿真方面具有优势,可以很容易地应用于数字化硬件。仿真结果的给出进一步阐明了网络良好的性能。     

一类神经网络模型的解及其渐近性态

通过对简单一维微分方程的求解,得出了一类人工神经网络模型的解解析表达式。它是由对称阵的特征值与特征向量表达。根据此解析表达式推出了该神经网络模型在特殊情况下的解析表达式。在特殊情况下,特征值与特征向量的神经网络计算已有很多论文论及。最后利用解析表达式分析了该神经网络解的渐近稳定性态。     

关于线性变换的根子空间

本文系统论述了属于线性变换特征概念范围的根子空间的基本问题，主要的有两点：（１）根向量所属于的特征值的唯一性；（２）根子空间与特征子空间的结构关系，作为论述这两个问题的预备定理，文中还证明了根向量或根子空间的其它两个重要性质。     

关于Perron-Frobenius定理的两个推论

根据Perron-Frobenius定理论证两个推论以及若干结果,反映了不可约非负矩阵模等于谱半径的特征值对应的特征子空间之间的关系,对相关结论略有推广.     

基于PCA-BP神经网络的审计风险识别研究

审计风险的识别和评估是现代风险导向审计的重要内容,为准确地识别审计风险,提出了一种基于PCA-BP神经网络的审计风险识别模型。选取33项指标建立风险识别指标体系,使用PCA方法对训练集数据进行降维处理,将特征值大于1的主成分作为神经网络的输入向量,构造PCA-BP神经网络。选用124家A股上市公司作为研究样本进行实证研究。结果表明:模型平均识别准确率达到90.04%,高于传统BP神经网络模型,计算速度快、识别率高和适用范围广,能有效识别审计风险。     

合成孔径雷达图像目标分类研究

基于灰度共生矩阵技术,研究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能量、方差等纹理特征量,分析了其特征提取和分类特性。运用类内类间距准则,通过计算图像特征值的类内类间距,得到对合成孔径雷达图像分辨效果较好的纹理特征量,并利用三层BP神经网络进行图像分类,获得了满意的分类结果。     

一类离散植物种群模型的基本再生数研究

建立了三种状态共存的离散植物种群模型,利用投影矩阵的两种分解,并通过线性方程组求解下一代矩阵特征值的方法,分别得到模型的基本再生数。最后给出具体例子,并进行数值模拟.     

企业并购估值贴现现金流模型研究

威斯通模型是企业并购估值贴现现金流模型中具有代表性的研究。文章针对威斯通模型讨论了企业是否具有真正增长机会的条件;研究了企业在超常增长期采取不同投资策略对其价值的影响,建立了新的估值模型,并对两种模型在估值上的差异进行了分析。     

缝洞型油藏离散介质网络数值试井模型

针对多重介质试井模型不符合缝洞型油藏网络状分布、非均质性极强的地质特征,建立了新的试井模型,将大尺度溶洞（流体主要的储集空间）视作零维模型,裂缝、孔洞发育的条带状地层（沟通溶洞的渗流通道）作为控制流体流动的一维模型,从而构成离散介质网络（DMN）模型。用有限差分法建立了缝洞型油藏离散介质网络油水两相数值试井模型,对渗流通道的储渗性能、大尺度溶洞的容积和距测试井的距离等因素对测试井压力响应特征的影响进行了研究。结果表明：缝洞型油藏试井压力导数曲线上类似“凹子”的特征是由大尺度溶洞向渗流网络的窜流造成的。实例分析表明,新模型解释结果与缝洞型油藏地质特征一致。     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

基于BP神经网络的资产经营绩效评估模型

针对传统资产经营绩效评估模型的缺陷,提出使用BP神经网络对企业的资产经营进行绩效评 估,并对传统的BP网络进行了优化。其中自适应学习机制优化了学习率,动量项加速机制加 速了传统BP网络的收敛速度,遗传算法用于选择BP网络的初始参数。最后,采用500家工业 企业的资产经营绩效数据对模型的有效性进行了初步验证。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

一种非线性神经网络自校正调节器

针对一类非线性动态系统,提出了一种新的应用多层神经网络的自校正调节器,分析了基于神经网络的非线性系统自校正调节机理,并利用一种基于同构网络的自适应预测方法解决可能存在于系统的大时延问题。计算机仿真表明,这种神经网络自校正调节器为解决一类复杂非线性系统的自校正调节问题提供了一条可行的途径。     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和It?公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

一种基于模糊贝叶斯理论推测信元丢弃率分布的方法

提出了一种基于贝叶斯理论推测ＡＴＭ 网络中信元丢弃率分布的新方法，并讨论了利用模糊神经网络对其中模糊估算与分类子系统进行优化的原理     

基于非线性偏最小二乘的操作臂逆解算法

操作臂逆运动学问题是机器人控制中的一项重要内容。目前使用较多的神经网络法大多为多输入多输出或者 多输入单输出方式,需要大量运算。非线性偏最小二乘法( NLPLS)建立的模型分为内部和外部模型,样本数据经外部模 型处理后才用于训练若干个单输入单输出的神经网络。对PUMA560操作臂的仿真试验表明,在相同隐层神经元数的情 况下,该算法比普通神经网络法具有更好的预测精度。这也表明,NLPLS只需较少的隐层神经元数就可以达到普通方法 的精度,从而减少运算量。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。     

时变时滞细胞神网络的稳定性分析

本文研究了一类具有时变时滞的细胞神经网络的稳定性问题,利用新的Layapunov Krasovskii函数,给出了系统全局渐近稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,通过对矩阵特征值的应用,得到了一个新的LMI的应用形式,改善了LMI的应用。最后,数值算例说明了本文结果的优越性。