语音识别中广义模型及其算法收敛性分析

语音识别中，动态时间规整和隐马尔可夫划最有效的两种识别算法，并且ＤＴＷ和ＨＭＭ在本质上是一致的。根据ＤＴＷ和ＨＭＭ的本质联系和各自所对应的声学模型，在前期工作中建立了一种广义声学模型，并指出ＤＴＷ和ＨＭＭ只是ＧＭ的特例，且ＤＴＷ和ＨＭＭ都可以转化为ＧＭ。

信息传播算法收敛的后门集

为了探讨WP(警示传播)算法的收敛性,给出了WP算法收敛的后门集.通过对此后门集中的变元赋值,可将布尔公式简化成其因子图为树型结构的子公式,WP算法在子公式上收敛.最后,设计了一个求解该后门集的随机算法,并分析了该算法的可行性.结果表明,所提出的求解该后门集的随机算法是有效的.

加速SIMPLE流场算法收敛的探讨

为加速SIMPLE算法收敛,采用了双线追赶迭代技术加速线性计算部分的收敛,并用外推技术从稀网格解外推出密网格解的逼近值作为后者的初场,减少了迭代次数。这两种方法结合可明显提高计算效率。文中的两个算例的机时节约率分别为48％和24.5％。

基于规定收敛律算法的二阶滑模制导律设计及仿真

制导律指引导弹以近似零脱靶量击中目标需要使用弹目视线角速率信息。对于实际应用中视线角速率难以直接获得的情况下,根据滑模控制理论设计了一种一阶滑模微分器,针对一阶滑模微分器的抖振问题,根据积分滑模理论的思想,基于规定收敛率算法提出了一种二阶滑模微分器,并构造了增广比例导引律和滑模导引律,数值计算结果表明设计的滑模微分器能够准确估计视线角速率,重构的导引律对机动目标具有良好的导引性能。

基于收敛粒子群算法的重载铁路列车运行调整方法

针对施工天窗对重载铁路行车安全限速和行车安全产生的不良影响,提出了基于收敛粒子群算法的重载铁路列车运行调整方法。首先,在分析列车追踪间隔影响因素的基础上,推导出不同编组类型重载列车之间的追踪间隔计算公式,实现了重载列车追踪间隔计算。然后,考虑施工天窗后的限速要求,以重载列车总晚点时间为优化目标,以列车区间最少运行时分、追踪间隔时分、列车停站时分、天窗时间段内禁止行车、天窗后安全限速等为约束条件,建立了施工条件下重载铁路列车运行调整模型,刻画了考虑安全限速的重载列车运行调整问题。通过优化列车到站、离站以及通过车站时刻,实现重载列车运行调整。进而,针对模型特点,在经典粒子群算法中引入收敛因子,设计了收敛粒子群算法对模型进行求解。最后,以朔黄铁路运输生产数据为基础,对建立的重载铁路运行调整模型进行实例化处理,验证了模型和算法。实验结果表明,对于求解重载铁路运行调整问题,设计的收敛粒子群算法比经典粒子群算法在计算效率上提升了5.45%,而求解精度保持不变。该方法可压缩重载列车追踪间隔,提高重载铁路运输效率,保证行车安全,提高基于安全限速的列车运行调整效率,为施工条件下重载铁路列车运行调整工作提供决策支持。

浮点遗传算法的收敛性及其在模型参数提取问题中的应用

浮点遗传算法是一种模拟生物进化的最化搜索法 ,由于其运算简单、稳定性好、不需要计算目标函数的导数、高精度和能处理多维数值问题 ,浮点遗传算法在科学研究和工程技术中得到了广泛应用 .通过对浮点遗传算法收敛性的分析 ,本文证明了“简单浮点遗传算法不收敛于全局最优解 ,而每代保留最优个体的浮点遗传算法才收敛于全局最优解” .在此基础上 ,本文设计了一种采用连续突变和每代保留最优个体的改进浮点遗传算法 ,它克服了精确度与计算量之间的矛盾 .本文利用该算法较好地解决了半导体器件模型参数提取问题 ,使计算量降低了约 2 7%

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。

区间直觉模糊多属性群决策自收敛算法

对区间直觉模糊多属性群决策中的一致性问题进行研究,引入了一种可自收敛算法得到一致性群决策矩阵。首先基于区间直觉模糊数的运算法则和集结算子,将单个决策者的决策矩阵集结为群体决策矩阵;然后通过可自收敛算法反复迭代,直到得到满足一致性的群体决策矩阵;最后再次基于区间直觉模糊数的集结算子和排序规则实现方案选优。从理论上论证了该算法的收敛性和保序性,并通过算例验证了算法的可行性和有效性。

线性互补问题的一个高阶收敛性算法

利用凝聚函数对线性互补问题进行带参数的磨光，并对参数方程的解曲线进行离散化追踪，在适当的条件下。

基于BP网络的权值更新快速收敛算法

针对标准BP网络学习算法收敛慢的问题,提出了两种权值更新的快速收敛算法,即基于梯度变化率的快速传递算法和基于梯度方向的弹性传递算法,并在煤矿事故救援游戏式训练系统中进行仿真和比较,让游戏角色根据井下空气成分学习判断危险程度,以便受训人员或仿生机器人采取相应的措施。仿真结果表明,所提算法的收敛时间比标准算法有一定改善。

一种面向城市复杂路网最短路径提取的定向收敛算法

为提高城市复杂路网最短路径提取的效率,针对路网数据量大、结构密集等特点,研究了路网节点之间最短路径的分布特征,通过引入收敛点方式,设计并实现了一种面向复杂路网最短路径快速提取的定向收敛算法。为检验该算法的有效性,利用某城市道路交通网络进行了实验和分析,并与D ijsktra算法、A*算法等比较,证实了该算法能够提高路径搜索效率,且随着城市路网规模的扩大定向收敛算法的高效性将愈加明显。

波导不连续性的加速收敛算法研究

论文提出了利用新的基函数系列求解波导不连续问题的加速收敛算法 .结合不连续处的金属楔近旁的电磁场边缘条件 ,构造了变形的三角基函数用以展开波导不连续处的电磁场 ,利用里兹算法构造一个线性方程组 ,求解此方程组可以获得波导不连续的特性参数 .计算表明 ,该算法具有极好的数值收敛特性 ;与耦合积分技术(CIET)不同 ,对于一个不连续性 ,本算法的方程组的阶数与基函数展开所用的模式数相等 ,从而保持了较低的阶数 。

一种基于频域分析的小波神经网络收敛算法

针对高精度神经网络在线学习过程中,当神经网络所用的神经元和采样数据非常多,传统的梯度下降法很难保证得到的神经网络具有良好的推广能力的问题。根据小波理论提出一种基于频域分析的在线学习算法,并通过仿真试验对这种新的算法进行验证。理论和试验都表明它不但能够保证神经网络在线辨识过程中具有良好的推广能力,而且加快了神经网络的收敛速度。

航空发动机总体性能数学模型的1种收敛算法

介绍了改进的Newton-Raphson方法和Bmyden方法,以之计算航空发动机数学模型的收敛,提高了模型的收敛性。

广义几何规划一个超线性与二次收敛算法

建立带等式与不等式约束的广义几何规划一个新的快速收敛算法，算法的搜索方向由一个二次规划和一个线性方程组的解产生，效益函数为广义精确罚函数．在适当的条件下证明了算法的全局收敛性、超线性收敛性与二次收敛率．

施瓦茨-克里斯托弗反变换的快速收敛算法及其应用

介绍了施瓦茨 克里斯托弗反变换 (ISC)的一种数值方法 ,通过将弛豫法和循环余割法相结合并调整收敛判据 ,能够快速求解ISC的非线性方程 ,不必给定特殊的初始值就可以确保收敛。通过加入某些虚顶点和去除奇点等方法可避免积分中遇到的困难 ,使得整个计算过程快捷而准确。同时给出快速处理任意多角形问题的通用程序 ,并对方同轴线进行了详细的分析 ,证明了对于曲线边界问题 ,只要采用合适的折线逼近 ,就可以应用此算法得到精确结果。

约束优化问题的一个超线性收敛算法

给出一个求解约束优化问题的新算法．在无需强二阶充分性条件及严格互补性条件的假设下，研究了该法具有局部一步超线性收敛性的充要条件．

基于时差收敛算法的声发射源定位方法研究

本文针对传统基于时差的声发射定位方法精度及稳定性不足且易受检测环境影响的问题,提出了一种基于收敛算法的声发射源定位方法,经过循环迭代不断优化声发射信号的到达时刻计算方式,使得定位计算重构的定位源稳定收敛在近似同一区域,从而提高声发射源的定位准确度。

非凸函数的异步并行拟牛顿算法的收敛性分析

若假设可供使用的处理机具有p+q台,将其分成两组,两组处理机之间进行异步并行计算。提出了一种求解非凸函数极小的异步并行拟牛顿算法。若假设目标函数是二阶连续可微的,二阶导数矩阵在极小点x*处正定,步长由Wolfe原则确定,证明了所提出异步并行算法的全局收敛性。

线性互补问题中一个新的高阶收敛算法

利用凝聚函数对线性互补问题的等价形式进行带参数的磨光 ,并对参数方程的解曲线进行离散化追踪 ,在无假设有严格互补解的条件下 ,给出一个新的算法 .在适当条件下 。