Heisenberg群上次拉普拉斯算子的幂算子基本解的等价形式

利用Heisenberg群上次拉普拉斯算子的热核与幂算子的基本解之间的关系,得到了幂算子基本解的一个等价形式以及水平梯度估计.     

具p-Laplace算子型边值问题解的存在性

将具p-Laplace算子的边值问题转化成算子方程,对于p的不同取值给出适当的条件.利用Mawhin连续引理的推广形式,证明了一类具p-Laplace算子的微分方程边值问题解的存在性,得到了一系列解存在的充分条件.     

偏微分方程广义分量解的对称方法

本文对已知的微分算子,构造一个在该微分算子下不变的有限维线性空间,利用此空间的基得到了具有三个或三个以上自变量的偏微分方程的广义分离变量解．     

2n阶J-自伴向量微分算子的预解算子及其谱

采用分析的方法,给出2n阶J-对称向量微分算式所生成的J-自伴向量微分算子在正则情形时的预解算子,得到其预解算子是积分算子及预解算子的核(Green函数)的一些基本性质;然后,从预解算子的全连续性证得:在正则情形下,其谱是离散的.     

p-Laplace算子方程非齐次边值问题的上下解方法

研究了一类具p-Laplace算子的二阶非线性常微分方程在非齐次边界条件下的两点边值问题.通过变换,将具p-Laplace算子的二阶微分方程边值问题转化为一阶常微分方程边值问题,利用上下解方法,在较弱的条件下得到了最大解和最小解的存在性定理.     

非单调二元非线性算子方程组的迭代求解

利用锥与半序理论和混合单调算子理论 ,讨论 Banach空间中非单调二元非线性算子方程组解的存在性与唯一性 ,并给出收敛于方程组解的迭代序列和误差估计 ,改进和推广了混合单调算子方程和一元算子方程的某些相应结果 .     

Banach空间中Fuzzy多值隐拟变分包含

在Banach空间中并在不具紧性的条件下,引入和研究了一类fuzzy多值隐拟变分包含及相应的fuzzy隐预解算子方程,借助预解算子技巧,建立了Banach空间中fuzzy多值隐拟变分包含与预解算子方程的等价性,得到了该类fuzzy多值隐拟变分包含的迭代算法与某些解的存在性定理及解的迭代逼近。     

Fuzzy映象的完全广义非线性隐拟变分包含(英文)

通过建立q-一致光滑Banach空间中一类新的涉及Fuzzy映象及广义m-增生映象的完全广义非线性隐-拟变分包含,利用Nadler定理及广义m-增生映象的解算子技巧,构造了新的迭代算法。由该算法得到了q-一致光滑Banach空间中这类完全广义非线性隐-拟变分包含的近似解并证明了该解的存在性。建立了由算法产生的迭代序列,得到了它收敛到变分包含的精确解。     

耗散孤立波方程的近似惯性流形

文章考虑了耗散孤立波方程的解的长时间行为,利用算子投射和算子特征值方法,构造了两类近似惯性流形,证明了该方程的任意解轨道在长时间后进入近似惯性流形的任意小邻域.     

一类集值拟变分包含解的存在性定理

研究一类新的集值拟变分包含,在实Hilbert空间中,利用预解算子技术,建立了集值拟变分包含、预解方程和不动点问题间的等价性。利用该等价性,建立了新的迭代算法,得到了这种变分包含解的存在性定理。该文提出的算法和结果推广和改进了近年来许多作者所作的算法和结果。     

时滞系统神经网络辨识方法研究

提出基于神经网络的时滞非线性系统的辨识方法,通过一种带有时滞的神经网络进行在线辨识,神经网络的权值矩阵在线自适应调整,并通过Lyapunov-Krasovskii方法验证了算法的收敛性,表明辨识算法可以对任意的非线性时滞系统进行有效辨识。     

自组织特征映射在鄱阳湖地区洪涝灾害研究中的应用

自组织特征映射是一种人工神经网络方法,可以同时实现模式识别和数据分类.它可以将高维数据间复杂、非线性的统计关系转换为低维形式中简单的几何关系.该文利用自组织特征映射方法对鄱阳湖地区月降水强度和月高水位变化模式进行分析,对鄱阳湖地区洪水灾害形成原因进行归纳.     

福建城镇居民恩格尔系数变化趋势及其响应

在复杂的经济系统中,恩格尔系数的变化由于受到诸多因素的影响往往呈现非线性变化趋势的特征。该文以恩格尔系数为研究对象,利用人工神经网络模型在非线性定量分析方面的优势,建立恩格尔系数变化趋势的BP神经网络预测模型,并对福建城镇居民恩格尔系数的变化趋势进行研究,提出未来几年恩格尔系数变化趋势几个方面的响应。     

基于人工神经网络温度场物性参数模型研究

因人工神经网络具有表达任意非线性映射的特性，本文探讨用于温度场的 物性参数识别的人工神经网络模型，阐述了该方法的适用性.     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

基于人工神经网络重力坝安全监视位移预报模型的研究

以重力坝位移为代表,运用人工神经网络具有表达非线性映射的性质在计算机上求解,小丰满观测资料为人工神经网络在实际应用提供了实例,经检验,所用网络模型拟合效果和预报效果都很理想．     

一种基于广义算子理论上的神经反向传播

阐述了神经网络系统中的函数网络模型的基本原理。以M-P模型为基础，应用Hebb学习规则，提出了一种反向传播函数网络模型，由此推导出隐结点及结点输出的公式，并对其误差作出估计。该模型能将隐结点的非线性样本变成线性样本，使其成为（0-1）两类。最后以一实例对系统进行了测试。     

基于神经网络的PID控制器研究

本文应用人工神经网络的原理,提出一种新的神经网络的智能PID控制器. 仿真结果表明,此NNPID控制器对线性、弱非线性时不变系统比传统的PID有好 的控制效果;对中等非线性系统和含有噪声扰动的线性知非线性系统有单纯PID 不能达到的控制效果.     

基于时变系统的油田产量功能模拟预测

神经网络预测的优点是预测指标与影响因素指标的历史拟合好，微分模拟预测的特点则是预测过程中更加注重预测指标的自身变化趋势。两者有机结合，首先将微分模拟得到的油田产量与其影响因素的输入输出关系视为时变系统，再把BP神经网络引入到微分模拟参数识别中，建立具有时变特征的功能模拟预测新方法。该预测模型中的参数随时间变化，具有自适应性；能在神经网络训练过程中通过变学习率的方式解决其与微分模拟胶合过程可能出现的不收敛问题；对中长远预测有更好的效果。最后将这一新方法应用于国内某油田的产量预测中，经软件计算，预测结果与实际的吻合程度明显高于其它几种预测方法。     

基于多层神经网络的非线性系统预测

针对一类非线性动态系统,提出了一种新的基于多层神经网络的自适应预测器,并对基于神经网络的预测机理进行了分析。该预测器由两个同构的多层神经网络实现,其中一个称为学习网络(LN),另一个称为预测网络(PN)。彷真结果表明,速种基于多层神经网络的预测嚣对于恒定参数的非线性系统是有效的,从而为解决非线性系统预测问题提供了一条可行的途径。