基于投影的fMRI时间序列图像配准方法研究

利用投影技术,针对功能磁共振时间序列图像,介绍了一种新的自动图像配准方法。该方法将序列图像二值化后沿着水平方向或垂直方向进行投影,根据投影向量元素的位置和大小,快速地计算出图像的旋转、平移运动的变化参数。仿真实验和实际的功能磁共振应用证实了该方法的有效性。     

非线性极大极小问题的可行信赖域算法

针对一类非线性约束极大极小问题,利用极大熵方法将转化为带不等式约束的非线性规划问题,给出了一种可行信赖域算法,解决了不等式约束的非线性大系统优化问题,并证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,本算法有良好的数值表现。     

一般约束极大极小值的梯度投影算法

对一类带等式、不等式约束的极大极小值问题进行了研究,将其转化为带等式、不等式约束的非线性规划问题,并利用梯度投影算法进行求解。该算法在有限步达到最优点或产生一系列点,且其极限点是最优点。该算法减少了计算量,克服了数值实现上的困难,证明了算法的收敛性。     

一般约束极大极小问题的广义梯度投影算法

讨论了一类带等式、不等式约束的极大极小值问题，将其转化为带等式、不等式约束的非线性规划问题，利用辅助规划进行处理，给出了一个广义的梯度投影算法，解决了一般约束极大极小值问题。算法可在有限步达到最优点或产生一系列点列，其极限点则是最优点，并证明了该算法的全局收敛性。     

初始点任意优化问题的广义梯度投影法

利用广义投影与罚函数技巧和辅助规划处理带等式和不等式约束问题以及采用二阶段搜索方法，给出了一个初始点可任意的带不等式和等式约束的优化问题的广义梯度投影算法，并证明了该算法具有全局收敛性。文中削弱了文献［１］的条件，保持了它的优越性，罚参数在计算过程中自动调整且只需适当大，因此，在实际运用中不会有太大的困难。     

离散时间最优控制问题的一种新型神经网络解法

本文提出了一种处理离散时间最优控制问题的一种新型神经网络及其算法。这种神经网络由两个子神经网络综合构成：线性神经网络（LNN）和递归神经网络（DRNN）。用DRNN的输出修正LNN模型,逼近原非线性系统,并由LOR理论直接构造最优反馈策略。该网络能用于在线学习对象的动态特性,实现实时控制。     

受凝聚映象扰动的极大增生算子的拓扑度

拓扑度理论对于研究算子方程解的存在性、唯一性、连续依赖性等问题具有重要的理论价值［１］。文献［２，３］利用拓扑度方法探讨了一般算子方程ｙ∈（Ａ＋Ｃ）ｘ解的问题，文中在此基础上给出了极大增生算子Ａ受凝聚映象Ｃ扰动时的拓扑度，从而为解算子方程ｙ∈（Ａ＋Ｃ）ｘ提供了又一个有力的研究工具     

关于一个Brauer定理的注记

研究一个被广泛引用的Ｂｒａｕｅｒ定理，指出该定理是错误的；讨论了特征值估计理论中常涉及的卵形Ｄｉ，ｊ＝｛ｚ∈Ｃ∶｜ｚ－ａｉ‖ｚ－ａｊ｜≤ＲｉＲｊ，ｉ≠ｊ｝，其中Ａ＝（ａｉｊ）∈Ｃｎ，ｎ，得到了关于Ｄｉｊ和矩阵特征值的有关结论，从理论上说明了Ｂｒａｕｅｒ定理错误的原因。