非单调非线性方程的连分式算法

本文讨论非单调非线性方程实根的连分式算法。     

一类可行的非单调的信赖域算法

讨论了求解无约束最优化问题的信赖域算法,给出了一种改进的非单调信赖域算法,该算法通过改变预计下降量,使其与实际下降量对应起来,且这种改变保持算法的收敛性.     

限定逻辑的表列方法

限定逻辑是由McCarthy创立的非单调逻辑的一个重要分支.限定逻辑最大的困难在于其算法的设计.基于表列方法,可以给出命题限定逻辑和公式限定逻辑两种形式证明程序.     

非单调推理与论辩系统

由于仅以一阶逻辑无法刻画出人类推理过程中的非单调性,因而逻辑学家尝试建立新的逻辑系统来解决这一问题.这些系统被称为非单调逻辑.它们传统上一般采用的是优先蕴含或者一致性和不可证明性方法；而从20世纪80年代末90年代初开始,越来越多的逻辑学家开始尝试基于一种新的方法实现推理的非单调性,称为论辩理论.为此,探讨论辩系统以及其后基于论辩系统而提出的论辩框架是如何刻画非单调推理的,并分析它们相互之间的联系.     

应用Khatri-Rao积分解的DS-CDMA盲多用户检测

对多用户直接序列码分多址(DS-CDMA)系统的多用户检测进行了研究,提出了一种基于Khatri-Rao积分解和连续干扰抵消的KRPSIC盲多用户检测算法。该算法充分利用DS-CDMA系统接收信号所具有的Khatri-Rao积结构性质,在用户扩频码、信道衰落系数均未知的情况下实现多用户检测,证明了算法的可辨识性和单调收敛性。仿真结果表明KRPSIC算法的误码率性能接近非盲的迫零算法,其作为一种非浅性迭代算法,在多用户检测的过程中对迭代初值的选取不敏感,当使用随机值初始化时算法依然有效。     

儿童归纳推理中的单调性效应和非单调性效应研究

归纳推理研究中存在着一个非常重要的现象:前提数目的增加对归纳推理强度(inductivestrength)的影响,即单调性效应(monotonicity effect)和非单调性效应(nonmonotonicity effect).单调性效应和非单调性效应在有关儿童归纳推理的理论模型中起着重要的作用,既可以作为这些理论模型的具体阐释,也可以作为其理论基础和源泉.但是由于对归纳推理这个概念的界定不一以及归纳推理任务的选择标准不同,这些研究结论也存在着异议.     

带有模型不确定性的连续时间广义预测控制

针对模型不确定系统的连续时间广义预测控制,引入无穷时域的性能指标使闭环系统达到稳定.用递推最小二乘法估计系统的未知参数,在每个采样点基于估计的状态模型来计算控制输入.通过施加新的终端等式约束,将无穷时域性能指标的优化问题转化成可解的二次规划问题.利用后退时域性能指标的单调性证明,给出使连续时间广义预测控制达到闭环稳定的条件.仿真算例验证了算法的有效性.     

RC串联电路的随机共振

研究了时间常数受非对称双值色噪声扰动的RC串联电路的随机共振现象。利用随机平均法和Shapiro-Loginov公式,得到了平均输出幅度增益的精确表达式。分析表明,平均输出幅度增益是噪声的强度、自相关率和非对称性参数的非单调函数,适当的噪声参数和系统参数可以使平均输出幅度增益取得最小值,输出幅度增益关于噪声非对称性和相关速率的函数的最小值不随信号频率的变化而变化。     

股票技术分析模型的自动辨识研究

基于非参数的kernel回归引入了一种股票技术模型辨识算法.通过对几种技术分析模型进行定量化定义,实现了文中引入的模型辨识算法,从而能够通过历史价格进行自动化模型辨认.利用沪市大盘指数的历史价格进行了实证研究,得出了对这种算法具有一定支持性的结论.     

基于MPRP方法的求解单调非线性方程组的算法

MPRP方法是求解优化问题的一种共轭梯度算法,将其推广至求解单调非线性方程组,给出收敛性的证明,并通过数值实验表明算法是稳定和有效的.     

偏亚高斯语音信号有效分离ICA方法研究

针对扩展Infomax语音分离算法仅只对无偏信号的概率密度分布进行建模的不足,提出了一种有效分离的有偏亚高斯信号ICA算法。通过修改扩展Informix算法所基于的Pearson混合模型,使修改后的模型既能较好地逼近对称的概率密度分布,又能逼近非对称的概率密度分布,从而在源信号是非对称分布的情况下,能获得更好的分离质量和较快的收敛速度。     

多线性调频信号参数估计及DSP实现

为实现多线性调频信号参数的快速准确估计,运用模糊函数和Radon变换的性质,提出以信号分数阶自相关实现模糊函数快速计算,并对分数阶自相关进行Radon变换,结合自适应滤波的方法来估计多线性调频信号的调频斜率,在C6701 EVM板上的仿真实验表明,算法在低信噪比下具有优良的参数估计性能,计算效率高。     

逆向工程特征参数提取技术研究

逆向工程是从已有实物的测量数据点中提取其特征参数进行模型重建的过程,特征参数的提取是逆向工程的关键技术之一。该文提出了一种新的回转面特征参数提取算法,将蚁群算法应用在逆向工程的特征参数优化过程中,首先建立回转面特征参数提取数学模型,然后运用蚁群算法实现过程优化,从而提取出特征参数,实现回转面图形重建,最后通过实例验证了该算法的有效性,该算法提高了特征参数提取精度和效率,适用于空间任意位置回转面的特征参数提取。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。     

无刷直流电机模糊PI控制算法研究

针对传统PI算法难以消除直流无刷电机控制系统中存在的系统超调和短时震荡的问题,提出将模糊控制技术融入到PI控制器参数整定过程,设计模糊PI自适应控制器,并搭建电机模糊控制系统的仿真模型。仿真实验结果表明,基于模糊PI控制的电机控制系统相比传统PI控制系统达到给定转速所需时间更短,抗干扰性更强,ITAE（时间乘绝对误差积分准则）值更低,表明在负载突变时模糊PI控制器能更有效抑制电机转矩脉动和提高控制系统的稳定性。     

应力偶流体润滑轴承性能计算方法的比较

研究了负压力充零算法和质量守恒空穴算法对应力偶流体润滑轴承油膜压力分布及轴承特性参数的影响.数值分析表明,在油膜完整区,两种算法所得油膜压力几乎相同,只是在接近油膜破裂处有小的偏差;在空穴区,两者不同.两种算法所得轴承特性参数相差较大,随应力偶参数增大差别减小.充零算法与实际情况不符,空穴算法更符合实际.     

一种谨慎自较正控制算法

本文给出了一种谨慎自校正控制算法。仿真实验表明,这种算法能够有效地降低由于参数估计的不确定性所引起的盲目控制,从而达到改善系统动态性能的目的。     

遗传算法在指数投资组合中的应用

将遗传算法运用于证券指数投资分析，具体解释了染色体、适应值函数在股票投资分析中的实际意义，设计了选择、杂交、变异算子的使用方案，并选用上海证券交易所上证180指数为目标指数进行实证研究。实验结果表明，该算法能够有效地跟踪和模拟180指数。     

基于核方法的贝叶斯邮件分类网络研究

提出一种包含核函数的Bayesian参数估计方法,提高了Bayesian参数估计的实用性。结合邮件内容和报文格式两个方面分析和提取邮件的重要特征,建立了对应的Bayesian邮件分类网络。将包含核函数的Bayesian参数估计方法应用到邮件分类网络,在对不同邮件测试集的在线学习试验结果证明,这种新的分类模型能够有效地实现垃圾邮件的分类过滤。