一类极大极小优化问题的信赖域算法

借助于K-T条件和NCP函数,提出了处理一类极大极小优化问题的信赖域算法.数值实验结果表明该方法是行之有效的.     

递归最小二乘循环神经网络

针对循环神经网络(Recurrent neural networks, RNNs)一阶优化算法学习效率不高和二阶优化算法时空开销过大, 提出一种新的迷你批递归最小二乘优化算法. 所提算法采用非激活线性输出误差替代传统的激活输出误差反向传播, 并结合加权线性最小二乘目标函数关于隐藏层线性输出的等效梯度, 逐层导出RNNs参数的迷你批递归最小二乘解. 相较随机梯度下降算法, 所提算法只在RNNs的隐藏层和输出层分别增加了一个协方差矩阵, 其时间复杂度和空间复杂度仅为随机梯度下降算法的3倍左右. 此外, 本文还就所提算法的遗忘因子自适应问题和过拟合问题分别给出一种解决办法. 仿真结果表明, 无论是对序列数据的分类问题还是预测问题, 所提算法的收敛速度要优于现有主流一阶优化算法, 而且在超参数的设置上具有较好的鲁棒性.     

非凸不可微多目标规划真有效解的充分条件

本文利用Ｃｌａｒｋｅ广义梯度对不可微多目标规划在ρ不变凸时给出了Ｇａｒｔｌｅｙ真有效解的充分条件。     

α－凸性与H－J问题的进一步讨论

本文通过定义α－凸性．得到了Ｈｉｒｉａｒｔ－Ｊ·Ｂ·Ｕｒｒｕｔｙ问题的一类新的函数集，改进和扩充了文献［２］的结果．     

计算机模拟建模

通过在数学建模教学实践中编写的两个典型案例的建模和利用MATLAB软件求解，具体展示了对连续系统计算机模拟的建模步骤和方法。     

一个凸不可微规划的算法

本文提出了一个带线性与非线性约束的凸不可微规划的邻近控制族算法．并在Ｓｌａｔｅｒ约束规格满足的条件下，证明了算法的整体收敛性．经计算实例表明，该算法是处理同类型问题的一个较有效方法．     

α—凸性与H—J问题的进一步讨论

本文通过定义α－凸性，得到了Ｈｉｒｉａｒｔ－Ｊ．Ｂ．Ｕｒｒｕｔｙ问题的一类新的函数集，改进和扩充了文献［２］的结果。     

一类极大极小优化问题的信赖域算法

借助于K-T条件和NCP函数,提出了处理一类极大极小优化问题的信赖域算法。数值实验结果表明该方法足行之有效的。