非线性不等式系统带折线步的信赖域方法及其收敛性

针对一类非线性不等式系统求解的问题,利用一系列目标函数二次可微的带参数优化问题来逐次逼近非线性不等式系统的解,从而提出了针对参数最优化问题带折线步的信赖域算法.在较弱的条件下,算法的全局收敛性得到了保证.数值试验显示算法有效.

采用双折线步方法的傅里叶神经网络

目前神经网络已经成为解决非线性系统辨识问题的一类有效的方法,但是常用的多层感知器存在网络稳定性差、收敛速度慢的问题。在多层感知器和傅里叶级数基础上提出的傅里叶神经网络具有较好的泛化性、模式识别能力,但其学习算法主要采用最速下降法,易产生陷入局部极小,学习速度慢等问题。提出一种采用双折线步方法的傅里叶神经网络,避免了局部极小问题,且具有二阶收敛速度。通过相应的数值算例验证新算法的性能,并应用于非线性系统的识别问题中,其结果和几类经典的神经网络算法做了相应的对比和分析。