模糊数列的加权收敛和加权统计收敛

将模糊数列的强收敛和统计收敛置于权重意义下,研究了模糊数列的加权收敛和加权统计收敛.同时,讨论了模糊数列加权收敛、加权统计收敛以及统计收敛之间的相互关系.     

模糊数列的理想统计收敛和理想缺项统计收敛

将模糊数列的统计收敛和缺项统计收敛置于理想的框架下,提出和研究了模糊数列的理想统计收敛和理想缺项统计收敛的概念和相互关系,推广了前人的结果。同时,讨论了模糊数列统计收敛与理想统计收敛之间、以及模糊数列缺项统计收敛与理想缺项统计收敛之间的相互关系。     

基于Orlicz函数及权重g收敛的模糊数列空间

模糊数列统计收敛问题是模糊分析学的重要组成内容,模糊数列统计收敛方面的理论,前人已经行深入研究,然而,收敛条件较强.在扩大了模糊数列收敛范围,引入了Orlicz函数和权重的概念,利用权重的意义给出了模糊数列基于Orlicz函数加权统计收敛和加权强收敛的概念.讨论了新定义的两类收敛空间的一些性质.同时,证明了加权强收敛模...     

Fuzzy测度序列的收敛性和积分序列的收敛定理

本文在Sugeno的Fuzzy测度和Puzzy积分意义下,给出了Puzzy测度序列的几种收敛定义,其中包括收敛、一致收敛、弱收敛、α-几乎处处收敛、依α-测度收敛及α-平均收敛,同时讨论了它们之间的关系,最后,推广了Fadou引理与Lebesgue收敛定理。     

复模糊值函数级数的广义一致收敛和亚一致收敛

利用模糊数的序关系和分解定理讨论了复模糊值函数级数收敛性,得出了复模糊值函数级数收敛、一致收敛、正则收敛、广义一致收敛、亚一致收敛的条件及一致收敛、广义一致收敛和正则收敛的关系准则。     

Lp空间上几种收敛性的关系

主要探讨了在Lp空间上几种收敛性的关系,给出了弱收敛的充要条件以及弱收敛与强收敛之间的关系,并且相应的给出了一些推论,证明了弱收敛的充要条件和有关弱收敛与强收敛之间的关系,并用举例说明了定理的一些特殊情况.     

函数列的收敛与一致收敛

本文通过收敛与一致收敛的概念研究,用函数列的收敛与一致收敛关系讨论数学分析中收敛问题,这也为函数列的收敛与一致收敛问题的深入研究提供了一种方法。     

圆域并集上施瓦茨交替法的研究

讨论了圆域并集上施瓦茨交替法的收敛速度 ,计算得到了收敛因子的具体表达式 .当两圆交集很少时 ,收敛因子接近 1 ,收敛速度将变得十分缓慢 ,对此给出了一个改进算法 ,分析了其收敛速度 ,并给出了其收敛因子的最优上界 ,然后通过数值计算验证了分析结果 .     

偏序随机过程本质收敛性的一个注记

本文在最一般的情况下讨论了本质收敛、随机收敛和a.s.收敛三者之间的关系,证明了本质收敛蕴含着随机收敛,且本质收敛的过程必有一个等价的、具有某种意义的可分性修正,它a.s.收敛于相同的极限。     

模糊数列关于序β几乎理想λr-统计收敛和强几乎理想λr-收敛

基于理想统计收敛的新途径,构建了λ_r-统计收敛和几乎统计收敛的框架,分别定义了模糊数列关于序β几乎理想λ_r-统计收敛和强几乎理想λ_r-收敛,给出了模糊数列几乎理想λ_r-统计收敛而非统计收敛的具体算例,说明了新定义的理想统计收敛条件更弱、范围更广.并研究了两种收敛的相关性质.同时,讨论了模糊数列空间■_β(M,r,λ)和空间■_β(λ),■_β(M,r,λ)之间的包含关系,得到了更为广泛的模糊数列理想统计收敛和强理想收敛的数列空间.     

基于三维区域标记对太阳活动区低色球层亮点的统计分析?

研究太阳活动能量的统计分布,以探索日冕物质加热的物理机制.利用一种基于三维区域标记的算法,使用"日出"卫星拍摄的低色球层λ3968.5单色像时间序列,观测一个处于衰减阶段且爆发频繁的活动区,对多个数量级尺度的亮点进行识别和统计.获得了2.09×104个亮点样本,分析了太阳耀斑基本物理量的频数分布与幂律的关系,以及影响该分布的观测效应.数据分析的主要结果如下:1)低色球层亮点的尺度、面积、光通量服从幂律分布.2)寿命的频数在中等时标呈幂律分布,在长时标呈指数分布;大尺度亮点的等待时间符合指数分布.3)亮点发生率的信噪比随其尺度的增加而减小;小尺度亮点持续的产生有可能向日冕稳定地提供能量.4)微小尺度亮点的频数低于幂律分布,相当程度上受观测数据的低时间分辨率所造成的低采样率影响.     

基于Simulink的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表,但利用BP神经网络解决实际问题时,经常涉及到大量的数值计算问题,而运用计算机高级语言编程对BP神经网络模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab中的Simulink提供了大量的可用于实现BP网络的模块,本文通过应用Simulink中的模块构建了一个BP网络,并通过一实例验证了所构建的BP网络的可行性.从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效.     

基于偏移量近似的改进型RA译码算法研究

RA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂。虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的。为了让译码算法在复杂度和译码性能之间取得较好的折衷,提出一种改进型RA译码算法。该算法采用偏移量近似的方法来逼近于BP译码算法,能够降低BP译码算法的复杂度。仿真结果表明,与BP译码算法相比,改进型RA译码算法能够在降低算法复杂度的同时保持良好的译码性能,与最小和译码算法相比,改进型RA译码算法的复杂度几乎不变,但译码性能得到了明显的提高。     

脑梗死急性期血压调控及其与预后关系研究

目的 研究脑梗死急性期血压的变化规律,探讨脑梗死急性期血压调控对预后的影响,为临床治疗提供依据.方法 以北华大学附属医院神经内科发病24 h内入院的脑梗死患者为研究对象,记录其人口特征、既往病史、入院时血压、CSS评分、Barthel指数,将患者随机分为两组:实验组和对照组.对实验组患者的血压进行调控,并连续观察两组患者入院后1周内的血压情况,观察两组患者1周内的血压变化规律,及15,30,90,180 d两组患者的死亡、复发、残疾(CSS评分和Barthel指数)情况,比较两组患者预后的差异.结果 两组患者急性期血压变化的规律不同,两组患者的近期和远期预后均有显著性差异.结论 脑梗死患者发病时血压增高,实验组血压24 h内迅速下降,第4天稳定;对照组血压3 d内迅速下降,第5天稳定;实验组预后优于对照组,脑梗死急性期宜适量调控血压;病灶数量影响患者预后,两者呈正相关.     

智能优化算法在复杂模型寻优中的研究

针对建立的钢板轧制过程中的中厚板凸度预报多参数复杂模型,分别采用BP算法、BP改进算法、混沌算法和粒子群算法进行寻优并对结果进行比较。实验结果表明,该模型切实可行,在模型优化中,混沌算法和BP算法寻优速度慢,精度不高,粒子群算法寻优速度和精度均有相应提高,BP改进算法寻优速度和精度均为最优。     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

用BP网求解模糊控制器输入量的隶属函数

在模糊控制器设计中,需要对输入数据进行模糊化处理,用隶属函数描述;模糊变量隶属函数的选取对模糊推理有很大影响.利用BP网的分类性可以将采集到的清晰数据集广义地分成模糊类.选取具有一个隐层的PB网,输入层和隐层变换函数采用S函数,输出层用线性变换函数,在MATLAB环境下采用动量算法和自适应学习速率,调用trainbpx函数,对BP网进行训练,在训练时最后一层的输出越接近目标值越好.利用训练好的神经网可以对具体的输入数据求解对应于不同模糊区间的隶属值.用这种方法,速度快,误差小.     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.     

改进型 BP 神经网络自适应均衡器设计

针对传统的基于 BP 神经网络的自适应均衡器存在的缺陷,提出了一种改进的 BP 神经网络自适应均衡器的 FPGA 设计方法.从互连结构、训练法则及收敛算法等几个方面对 BP 网络进行改进,通过加入协调器提高 BP 网络收敛速度和容错性能,并根据 BP 网络的并行性能得到分块结构模型,同时采用流水线技术使计算速度明显提高.通过软件仿真,验证了这种结构简单、收敛速度较快的 BP 网络的有效性和可行性,并在ModelSim 工具上完成了自适应均衡器的仿真验证     

基于云自适应遗传算法的改进BP算法

针对标准BP算法对初始权值敏感、收敛速度慢、易陷入局部极小等问题,结合正态云模型云滴的随机性和稳定倾向性,以及遗传算法的全局搜索能力、收敛速度快等特性,提出了云自适应遗传改进BP算法.该算法首次将云模型和遗传算法结合调整神经网络的权值和阈值.由X条件云发生器产生改进的自适应交叉概率和变异概率.实验结果表明:云自适应遗传改进BP算法比标准BP算法收敛速度快.