快速收敛全局最优的多层前向神经网络综合反向传播算法

提出一种用于多层前向神经网络的快速收敛全局最优的综合反向传播算法。该算法使用了综合考虑绝对误差和相对误差的广义指标函数,采秀了在网络输出空间搜索的反传技术,具有动态自调整学习率和动量因子,有神经元激活特性自调整、减少平台现象和消除学习过程中不平衡现象的能力。对比实验表明该算法有比基本ＢＰ算法快得多的收敛速度,并能取得全局最优解。     

移动机器人路径动态规划有向D*算法

针对传统D*路径规划算法搜索效率低、成本较高的问题,提出有向D*算法. 该算法考虑目标点与障碍物信息,引入关键节点概念,逐级扩展确定可行路径,并且引入导向函数以控制单次搜索的节点搜索范围来提高搜索效率;在原欧几里得评价指标的基础上引入路径平滑度函数对偏移路径进行惩罚,避免机器人无效转弯而增加移动成本;通过路径平滑度函数中的“转弯因子”协调路径长度与平滑度之间的关系,给出路径平滑度函数的分段原理与转弯因子的确定方法,并对算法收敛性进行证明. 在不同环境下的仿真实验表明,该算法较传统算法能更好地兼顾局部搜索与全局最优性,尤其适用于障碍物较多的复杂环境.     

面向在线学习的个性化学习资源推荐系统设计

为了解决在线学习资源数量庞大，学生无法快速从中选择适合自己的学习资源的问题，使学生高效、快速的获取合适的学习资源，本文建立了个性化学习资源推荐系统。系统采用基于用户的协同过滤推荐算法进行个性化学习资源的推荐。针对算法中可能出现的评分稀疏和“冷启动”问题，对使用者信息获取方式进行了优化，采用隐性评分的方式进行学习资源的评分。对于新注册的使用者，系统采用内容过滤算法进行学习资源的推荐。采用F-measure和平均绝对误差作为评价指标进行了性能验证试验。试验结果表明：系统的个性化学习资源推荐效果较好。     

电磁装置多目标优化设计的改进矢量进化算法研究

在电磁装置设计中，通常需要同时优化几个相互冲突的目标函数。在传统的优化方法中，一般首先采用标量化技术将多目标函数转化成单目标函数。然后求解。因此需要预先设定不同目标函数的优先级或权因子，而这种方法通常每次只能搜索到一个Pareto解，不能得到完整的Pareto曲面。有鉴于此，本文提出了多目标优化设计的一种改进矢量进化算法，以实现通过一次搜索即可得到平滑、完整的Pareto曲线的目标。典型数学函数和无芯螺线管线圈优化设计问题的实例计算结果，验证了本文算法的有效性和正确性。     

改进的基于平滑函数的全局优化进化算法

为了解决进化算法在求解全局优化时易陷入局部极小点的问题,引入了平滑函数,利用目前最好点来消除比其差的局部极小点;设计了适合该平滑函数的杂交算子,利用平滑函数与种群的关系寻找实值函数的下降方向。设计了一个变异算子,增加了种群的多样性。在此基础上,设计了一个求解全局优化问题的高效进化算法,并从理论上证明了其全局收敛性,从数值上验证了其有效性。     

一种快速收敛的BP算法

在常规算法的基础上，提出了一种基于变斜率算法与共轭梯度算法的接力逆向传播算法。通过寻找神经元激活函数的最优斜率集来加速迭代，还充分利用了共轭梯度算法的快速二次收敛的特点。计算表明，该算法收敛速度快、学习精度高。     

海水痕量重金属元素现场自动识别技术

针对自行研制的海水重金属元素自动分析仪提出了一种快速的数据自动识别算法.基于实测数据提出并比较了多种方法.算法采用分位数法剔除实测数据的大误差；利用有限脉冲响应（FIR）滤波器进行数字滤波，采用窗函数进行平滑滤波，很好地去除了信号中的小噪声；通过对3种去基线方法的比较，采用切线识别法进行基线校正；利用标准曲线法和神经网络法对数据进行自动识别，克服了不同金属间互化物对浓度的影响.实验结果表明，该算法适用于海水重金属元素的现场快速分析和自动识别，取得了令人满意的效果.     

基于总变分规整化的湍流退化图像复原RL算法

根据RL（Richardson-Lucy）不需要点扩散函数尺寸先验信息的优点和湍流退化模式的特点，将RL图像复原算法应用到气动光学效应退化图像的复原中．针对RL算法极易引起噪声放大和过度平滑的缺点，提出了基于总变分最小化的RL图像盲复原算法．仿真结果表明，该算法在噪声抑制和细节保存方面都优于非规整化的RL算法。     

BP算法中误差函数的改进

在ＢＰ算法中，误差函数不能有效地表征样本学习的误差程度，从而降低了学习的效果，本文提出了一种对误差函数的改进方案用以降低实际输出和期望输出的误差程度，计算机模拟表明效果良好。     

数字图像的一种小波滤波算法

提出了一种用于图像增强的小波平滑滤波算法．该算法可根据测试图像特点改变小波变换的尺度，在区域平滑的过程中使图像的边缘锐化，较好地处理了平滑噪声和锐化边缘这对滤波技术中的矛盾．实验结果表明，该算法具有良好的滤波性能和实时性．     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷，即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理。并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法。通过定义新的隶属函数和一种新的模糊增强算法，结合图像平滑滤波处理进行图像边缘提取，有效地增强了边缘信息且抑制了噪声的干扰，并给出了该方法在图像边缘提取中的应用实例。     

BP网络学习算法改进及用于手写体数字识别

从误差函数入手对传统ＢＰ学习算法进行改进，实验表明此改进算法不仅提出了网络训练效率，而且改善了网络推广性能。     

在契贝雪夫意义下列表函数的最佳多项式逼近

本文给出了一个由多项式ρn(x)=nΣj=0 θjX^j对1列表数（x1，y1)1^m做拟合的FORTRAN程序。这个多啊式是在契贝雪夫意义下，对列表函数（x1，y1)1^m的最佳逼近多项式。因此，在m个样本点（x1，y1)1^m上的最大绝对误差absPn(x1)-y1)为最小。本算法是基于Remez第二类算法，并采用了迭代交换算法。这种算法表明计算精度，能满足产生一个由使用者所要求的次数的逼近多项式。     

平方根信息滤波,平滑及其简化算法的推广

本文将［１］［２］中平方根信息滤波、平滑及其简化算法作了推广，得到了动态主程含有确定性控制项情形的一般性结论。采用动态规划方法推导了平方根信息滤波、平滑算法、同时用矩阵分析方法得到了简化算法，指出了简化算法具有形式简洁、便于应用、节省计算量的优点。     

样条神经网络

用k阶B样条作为一组线性无关基函数，通过最小二乘准则，导出了一种函数逼近方法。基于该方法，我们提出了一种新的神经网络结构，并给出了相应的学习算法，同时也提出了实现该神经网络的方案。     

多层神经网络的一种新的学习算法

给出前馈式多层神经网络的一种新的学习算法，该算法的特点是单参数动态搜索，大大减少了误差函数的计算量。给出了详细的算法描述。计算结果表明，新算法的收敛速度较现行的Ｂ－Ｐ算法有明显的改进。     

神经网络BP算法的一种改进

提出了一种改进算法，对原来的误差函数做了很小的改动。改进算法既保持了原ＢＰ算法的优点。又可以有效地避免假饱和，使学习过程可以较快地完成，取得了满意的结果，本文推导了改进后的算法，并结合实例对算法的效果进行了讨论．     

BP神经网络训练的函数变步长搜索调整法

通过深入分析了ＢＰ神经网络的步长调整，采用函数变步长搜索法来提高网络的学习速度，提出一种新的改进的ＢＰ算法，该算法在速度和收敛性方面比传统ＢＰ算法优越。     

管理会计教学中指数平滑预测法α取值优化探讨

本文通过比较不同的销售预测方法,指出指数平滑法进行销售预测的优点,并且说明指数平滑法中平滑系数的大小对预测值有较大影响,重点探讨了在一次指数平滑法中如何采用改进的试算法对平滑系数α进行优化,提高预测的准确性。     

基于T-S模糊模型的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题。文中探讨了Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的隶属度函数学习问题,建立了基于模拟退火的模糊隶属度函数学习算法,给出了用于验证该算法有效性的仿真实例。