关于Chidume-Zegeye-Ntatin定理的注释

带误差的Mann迭代及Ishikawa迭代一直众多学者关心的一个热点问题。本文中我们对Chidume-Zegeye-Ntatin定理进行探讨,具体工作如下:首先是定理中序列有界性的证明进行了改进;其次用更为简单的方法证明了该定理;最后所得结果推广和改进了相关的结论。

神经网络在风烟系统含氧量软测量中的应用

风烟系统烟气含氧量是影响锅炉效率的一个重要因素,其测量结果对评价燃烧经济性指标有重要作用。由于炉内燃烧过程复杂且烟气含氧量影响因素多,现场含氧量的直接测量往往存在滞后且精度较差。近年来,基于相关参数建模的软测量方法在电厂逐渐得以应用。为此,针对某1 000 MW锅炉机组,考虑风烟系统的结构及影响锅炉含氧量的因素,以电厂采集的历史运行数据作为神经网络模型的训练样本和测试样本,建立了基于神经网络的风烟系统含氧量软测量模型。与基于梯度下降法的神经网络相比,采用性能更好的L-M算法作为神经网络训练算法。试验结果表明:基于L-M算法的神经网络模型能够更准确地预测烟气含氧量,为实现锅炉的燃烧优化调整、节煤降耗奠定基础。

求解非线性不等式组的LM算法

本文通过最小二乘解的概念,给出了求解非线性不等式组的LM算法,并证明了此算法的收敛性定理。

基于FPGA的伪随机序列的生成方法及应用

通过分析各种伪随机序列生成方法,提出了一种基于M序列的连续抽样方法,可以生成满足自适应光学系统SPGD控制算法要求的多路、相互独立以及服从伯努利分布的伪随机序列。该方法适合于用FPGA等超大规模集成电路实现,且具有占用硬件资源较少,实现方便等优点。用FPGA实现了用于61单元自适应光学系统SPGD控制算法的伪随机序列,并将此方法应用于基于SPGD控制算法的自适应光学系统实验中,实验表明,该方法能够满足自适应光学系统SPGD算法的需求,系统实现成功闭环。

序列图像超分辨率联合重建算法

序列图像超分辨率重建研究方法一般分为2类。第一类,将低分辨率图像配准和超分辨率重建视为相互独立的2个过程,对低分辨率图像进行配准之后再估计高分辨率图像。然而,低分辨率图像中的混叠分量会影响配准精度,进而影响图像超分辨率重建。第二类,图像配准和超分辨率重建联合实现的方法,此类方法考虑了配准和重建的相互关系,能够减轻混叠对配准的不利影响。本文主要针对第二类方法中的3种典型算法进行综述分析和研究。

Counting rational points on cubic curves

We prove upper bounds for the number of rational points on non-singular cubic curves defined over the rationals.The bounds are uniform in the curve and involve the rank of the corresponding Jacobian.The method used in the proof is a combination of the "determinant method" with an m-descent on the curve.