求解非线性回归问题的Newton算法

针对大规模非线性回归问题,提出基于静态储备池的Newton算法.利用储备池搭建高维特征空间,将原始问题转化成与储备池维数相关的线性支持向量回归问题,并应用Newton算法求解.鲁棒损失函数的应用可抑制异常点对预测结果的干扰.通过与SVR(Support Vector Regression)及储备池Tikhonov正则化方法比较,验证了所提方法的快速性、较高的预测精度和较好的鲁棒性.

快速LMS/Newton算法的定点DSP实现

快速LMS/Newton算法是近年来提出的一种集LMS算法的稳健性及Newton算法的快速性为一体的崭新算法 .作者将该算法应用于单片定点DSP ,通过定点DSP软件设计与扩展TI公司的DSKplusBoard ,构建了一个声回波对消的DSP平台 .实验表明 ,用单片定点DSPTMS32 0C54x可以实现该算法的实时处理 ,对回声的抑制达到了满意的效果 .

基于拟Newton算法的Purex流程计算机模拟程序

在多级逆流萃取MESH方程基础上 ,基于拟Newton算法编写了用于模拟Purex萃取流程的计算机程序 ,使用SEPHIS分配比模型 ,分别以 1A、2D槽工艺条件为例 ,计算了其各级出口的U、Pu、酸浓度。程序计算结果与实验浓度剖面符合很好。相对于已有的一些计算机模拟程序 ,该程序具有适用性广。

一种改进的快速LMS/Newton算法及其在声回波对消中的应用

本文提出了一种改进的快速LMS/Newton算法 .该算法既不同于完全基于RLS算法的FNTF算法[1] ,又不同于完全基于LMS算法的算法 2 [2 ] .算法在格型预测器部分采用快速RLS算法 ,而在自适应横向滤波器部分采用LMS算法 ,并加以适当改进 .所提出的算法既不存在FNTF的稳定性问题 ,又比算法 2 [2 ] 有更快的收敛速度 .采用语音信号激励 。

对Choleski-PCG Newton算法的一些改进

对无约束最优化问题提出了一种不精确牛顿算法模型ACPN（α），是对DengN．Y．和WangZ．Z文（CanNewtonmethodbesurpassed．见ChineseScienceBulletin，1998，Vol．43，No．20，p．132～134）中Choleski-PCGNewton算法的改进。新算法对于变量个数在35～186范围内的无约束问题更有效，并打破了所构造的点列必须恰Q－2阶收敛的局限，对进一步改进算法有提示作用。

一种改进的LMS Newton算法及分析

详细论述了对常规LMS Newton算法的改进算法,通过建立步长因子μ与误差信号e(n)之间的非线性函数关系,提出经过修正的新的变步长自适应滤波算法;详细分析了修正算法中的若干因子对算法的影响及在不同IP环境下的表现,表明该算法具有传统固定步长LMS算法计算量小、稳定性好、简单、易于实时处理等优点;理论分析及计算机仿真结果表明,其收敛速度及稳定性优于修正SVSLMS算法。

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展,阐述了Newton算法与其他算法的混合算法,并探讨了Newton算法的超线性收敛性,从而进一步阐明了此算法的研究方向。

抑制多模噪声的变步长NLMS-Newton算法研究

实际生活中产生的多模噪声会对信号产生严重的破坏甚至损失。传统LMS算法不仅收敛速度慢而且存在较大的稳态误差和失调量,故已不能很好地控制噪声。通过分析NLMS算法和Newton算法的优点,提出一种新的NLMS-Newton算法。该算法的收敛速度高,计算复杂度减小,且应用了随信噪比变化的变步长并修正了自相关矩阵,降低了算法收敛后的稳态误差和失调量。通过仿真表明,NLMS-Newton算法在收敛速度及稳态误差等方面都有了较大改善,并且能在很好地抑制多模噪声的同时提取出有用信号。

多通道窄带Fx-Newton时频算法及动力机械有源隔振实验

提出了一种多通道窄带Fx—Newton算法，用多个控制器并联控制各窄带带通滤波器提取的多根线谱。离线辨识次级通道频响矩阵并求逆后，只需L×L个（通道数为L）2阶滤波器即可实现次级通道逆模型滤波，从而使控制器系数向最优值迅速收敛。还提出了窄带滤波相位差的自适应补偿算法，可提高线谱频率波动时的控制鲁棒性。在200kw实船柴油发电机有源无源隔振装置上进行了实验，结果表明该算法可同时控制10-11根线谱，使每根线谱衰减10-35dB。该算法运算量小，在保证收敛稳定性的同时、收敛速度大于FxLMS算法（尤其在次级通道矩阵特征值分散度大的情况）。

基于查找表和Newton插值算法的正余弦函数的FPGA实现

正余弦函数在任意次谐波电流的无锁相环ip-iq检测法中有着重要应用。提出了一种基于查找表和Newton插值算法相结合的正余弦函数的实现方法,给出了具体计算公式和RTL级方框图;与查表法和CODIC算法相比,该方法所需时钟周期少(只需120个时钟周期),精度高(可达±1LSB),占用资源少(只需483个LE单元)。在Altera公司的Cyclone系列FPGA器件EP1C6Q240C8上完成了硬件验证,最终应用到某谐波检测ASIC设计中。

基于改进型Newton算法的场致发射显示器缩放系统研究

针对场致发射显示器(FED)自身的器件特性,提出了一种基于改进型Newton算法的缩放方案。FED缩放系统采用改进型Newton算法,针对FED的对比度低和低灰阶丢失的器件自身特性,在Newton插值算法基础上选择最优的参数和加入补偿系数,在补偿效果和运算复杂度上比传统的缩放算法具有明显的优势。将采用本文算法的FED缩放系统应用于驱动FED显示上,视频显示图像的对比度得到提高,低灰度丢失部分得到一定的补偿,图像画质更为细腻。

自选尺度因子拟Newton算法的几个重要性质

ＤＦＰ方法是一个很好的算法，有着广泛应用。但是，它对线搜索的精确性非常敏感。自选尺度拟Ｎｅｗｔｏｎ法可望对线搜索的不精确性及舍入误差有较低的灵敏性。文中介绍了这种算法。给出了关于正定性及二次终止性的几个定理及其严格的证明。

一个阶为2+6^(1/2)的Newton改进算法

针对非线性方程求单根问题,提出了一种新的Newton预测-校正格式.通过每步迭代增加计算一个函数值和一阶导数值,使得每步迭代需要估计两个函数值和两个一阶导数值.与标准的Newton算法的二阶收敛速度相比,新算法具有更高阶的收敛速度2+6^(1/2).通过测试函数对新算法进行测试,与相关算法比较,表明算法在迭代次数、运算时间及最优值方面都具有较明显的优势.最后,将这种新格式推广到多维向量值函数,采用泰勒公式证明了其收敛性,并给出了两个二维算例来验证其收敛的有效性.

不可约对称三对角矩阵特征值的Newton迭代算法

依不可约对称三对角矩阵特征值的隔离性质，构造出具有分段严格单调性的等价模型，证明在每一单调区间内有且仅有一个根，并采用具有二次收敛的Ｎｅｗｔｏｎ迭代法求解。最后，给出了算法及算例。

非线性方程组自反解的非精确Newton-MCG算法

针对源于科学计算和工程应用领域的非线性代数方程组,本文应用Newton算法求其自反解,并采用修正共轭梯度法(MCG算法)求由Newton算法每一步迭代计算导出的线性代数方程组的近似自反解或其近似自反最小二乘解,建立了求其自反解的非精确Newton-MCG算法.基于MCG算法适用面宽和有限步收敛的特点,建立的非精确Newton-MCG算法仅要求非线性代数方程组有自反解,而不要求它的自反解唯一.数值算例表明,非精确Newton-MCG算法是有效的.

采用仿射变换的桨叶变形摄像测量Newton-Raphson算法

提出一种基于仿射变换的(Newton-Raphson,简称N-R)数字图像相关算法。首先,采用人机交互的方法在变形前后的图像中选取匹配特征点,计算仿射变换参数;然后,根据仿射变换位移模式计算目标子区中心点的位移,将其用作N-R算法的初值。为降低计算量,采用全场插值,插值运算次数降为常规插值的1%左右。仿真测试表明,基于仿射变换的N-R算法在精度保持不变的情况下显著减少计算时间,克服了常规N-R算法计算量大、效率低、只适用于无刚体转动目标等缺陷,为开发直升机桨叶变形摄像测量系统提供了算法基础。

一个Newton-PCG型算法和它的效率分析

大量的数值实验表明Newton-PCG型算法很有效,但缺乏理论上的保证.最近在文[7]中,从理论上证明了该类算法比Newton法有效.本文取消了文[7]中的过强的假设条件,在标准假设下得到了一个更有效的算法.

求解非负限制问题的Newton型算法

提出了求解非负限制问题的Newton型算法.当非负限制对问题的最优解不起作用时,该算法等价于Newton法;当非负限制对问题的最优解起作用时,它仍具有局部收敛性,且可快速收敛到非负限制问题的边界点上,保持二阶收敛速率.

求一类分数逆幂矩阵方程对称解的Newton-BCR算法研究

含分数逆幂的单变量矩阵方程产生于控制论、控制系统、梯形网格、动态规划等领域,并在非线性博弈中有着重要的应用.首先,对含分数逆幂的单变量矩阵方程采用Newton算法进行求解.其次,针对在Newton迭代中导出的线性矩阵方程,给出了求其对称解的BCR算法,并对所提算法给出了收敛性证明.最后,通过数值实验验证所给算法的可行性和有效性.

解非光滑方程组的Newton-GMRES算法

给出了求解非光滑方程组的Newton GMRES迭代法。该方法在求解半光滑方程组时,不需要计算广义Jacobi矩阵,同时使求解相应广义Newton方程组也变得容易。尤其对于大型问题,该方法特别适用。数值例子显示了这种方法的有效性。