滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(7):类多变量方程误差ARMA系统的滤波递阶广义增广参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广梯度辨识方法、滤波递阶多新息递推广义增广梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(9):多变量CARARMA系统的滤波递阶广义增广参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广递推梯度辨识方法、滤波递阶多新息广义增广递推梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

一类具有连续变量的全局最优化问题的凸化方法

本文研究了一类非凸最优化问题的凸化方法与最优性条件的问题.利用构造含有参数的函数变换方法,将具有次正定性质的目标函数凸化,并获得了这一类非凸优化问题全局最优解的充要条件,推广了凸化方法在求解全局最优化问题方面的应用.

竹黄美白精华乳的制备及其性能

以竹黄水提液、烟酰胺、维生素C乙基醚为主要活性成分研制出多功效的美白精华乳,对其感官、理化性能和美白、抗氧化、抗糖化、抗炎性能进行了研究,并通过人体测试和问卷调查评价了产品功效。该产品性能稳定,对DPPH•清除率和酪氨酸酶抑制率分别为68.93%和65.79%,对蛋白质非酶糖基化中期和末期产物抑制率分别为45.61%和76.80%。志愿者使用精华乳90 d后,肌肤光泽度、亮白度、水分含量均有提升,黑色素明显降低,皮肤白皙有光泽。

《高等数学》在线开放课程与移动云课堂建设实践与思考

本文基于《高等数学》在线开放课程教学改革建设实践,研究分析了《高等数学》在线开放课程与移动云课堂建设的意义,形成了教学改革项目的特色分析,并对在线开放课程的教学实践进行反思和改进,促进课程教学效果的提升,增强大学生的数学科学素质。

输出误差自回归系统的分解梯度迭代算法研究

针对输出误差自回归系统(output error autoregressive system,OEAR)辨识参数误差大,收敛速度慢的问题,本文将递阶辨识原理与梯度迭代算法(gradientbased iterative algorithm,GI)运用到输出误差自回归系统的辨识过程中,针对该系统的算法进行推导,提出了基于分解的输出误差自回归系统的梯度迭代算法。将输出误差自回归系统分解成2个子系统,通过梯度迭代算法分别对2个子系统进行辨识,最后用Matlab仿真实例进行仿真。仿真结果表明,在输入信号的作用下,系统能够更快速的收敛到比原有算法误差更小的范围内,验证了该算法的有效性。

输出误差滑动平均系统的递阶增广随机梯度算法

提出了一种输出误差滑动平均(OEMA)系统的两阶段增广随机梯度算法。利用辅助模型思想处理未知变量,并用随机梯度法识别系统模型参数。应用分解的技术将OEMA系统分解为两个低维数的子系统,并分别识别每个子系统。由于子系统中协方差矩阵的维数降低,因此减少了计算量,从而提高了算法的计算效率。仿真结果表明该算法是有效的。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。