具有饱和控制器的时滞系统的稳定性

阐述了具有饱和控制器及状态时滞的连续线性系统的稳定性 .通过李雅普诺夫函数方法检验哈密顿矩阵 ,以及解代数黎卡提方程或解线性矩阵不等式 ,决定一个状态反馈控制律 ,使得当控制饱和发生时系统稳定 .

含确定扰动的线性离散时滞系统的前馈-反馈最优控制

研究在外界持续干扰的动态特征已知的情况下,线性离散时滞系统的前馈-反馈最优控制问题。给出了前馈-反馈最优控制存在的唯一性条件,提出了前馈-反馈最优控制律的逐次逼近算法;通过截取最优控制序列解的有限项,得到系统的前馈-反馈次优控制律,并利用扰动观测器解决了其物理可实现问题。该算法容易实现,计算工作量小,且对外部持续扰动有良好的鲁棒性。仿真结果说明了算法的有效性。

关于插值神经网络的构造性

神经网络插值问题是神经网络理论与应用的研究热点与难点之一.文中研究具有插值性质的前向神经网络的构造与逼近问题.对于一般的Sigmoidal激活函数和d维Euclid空间中的插值样本,分别构造了精确插值和近似插值的单隐层前向神经网络,研究这两类网络之间的偏差,并分别估计它们对目标函数的逼近误差,指出神经网络插值与一般代数多项式插值之间的本质差异.

约简数据集的支持向量分类机算法

支持向量机是当前智能计算研究领域的热点之一。基于支持向量机的大样本学习一直是一个非常具有挑战性的研究课题。对于分类问题给出一种基于相似度的约简数据集的方法。给出的新算法大大地减少了训练样本的数目和所求解的支持向量机算法的规模,有效地加快了支持向量机算法的训练速度。仿真实验表明:新算法较为简单、实用。

一类神经网络逼近全实轴上函数:稠密性、复杂性与构造性算法

在已有的神经网络逼近研究中,目标函数通常定义在有限区间(或紧集)上.而实际问题中,目标函数往往是定义在全实轴(或无界集)上.文中针对此问题,研究了全实轴上的连续函数的插值神经网络逼近问题.首先,利用构造性方法证明了神经网络逼近的稠密性定理,即可逼近性.其次,以函数的连续模为度量尺度,估计了插值神经网络逼近目标函数的速度.最后,利用数值算例进行仿真实验.文中的工作扩展了神经网络逼近的研究内容,给出了全实轴上连续函数的神经网络逼近的构造性算法,并揭示了网络逼近速度与网络拓扑结构之间的关系.

单纯型上广义Bernstein算子

该文引进并研究定义在n维单纯型上的广义Bernstein算子.首先,证明该算子具有对称性和保持Lipshcitz性质.其次,借助多元Ditzian-Totik连续模,得到该算子逼近连续函数的一个强型正向估计和一个弱型逆向不等式.最后,给出参数s_n满足不同条件的若干Voronovskaja型展开式.该文所获得的结果包含了经典的Bernstein算子的相应结果.

基于局部结构相似与协同表示的超分辨率图像重建

提出一种基于局部几何结构相似性和协同表示的超分辨率图像重建算法.该算法利用l2范数正则化的协同表示和局部几何相似约束模型求解低分辨率图像块在低分辨率字典下的线性表示系数,并利用这一系数重构出高分辨率图像块.文中基于l2范数的系数求解模型可得到解析解而不涉及局部最小解,相较于l1稀疏性约束具有较低的复杂度.实验结果表明,该算法对小尺寸超分辨率图像重建可行且有效,并在重构效果上具有明显的优越性.进一步研究表明,在放大因子增大和存在噪声的情况下,该算法较传统算法重构效果也有显著提高.

Bernstein型不等式与Steckin型不等式(英文)

Bernstein不等式在三角多项式逼近中起着非常重要的作用,比如它是证明逼近论逆定理即Steckin不等式的主要工具.文章建立了多维加权Bernstein型不等式与Steckin型不等式的关系。

单隐层神经网络与最佳多项式逼近

研究单隐层神经网络逼近问题．以最佳多项式逼近为度量,用构造性方法估计单隐层神经网络逼近连续函数的速度．所获结果表明:对定义在紧集上的任何连续函数,均可以构造一个单隐层神经网络逼近该函数,并且其逼近速度不超过该函数的最佳多项式逼近的二倍．

构造前向神经网络逼近多项式函数

首先用构造性的方法证明:对于任意的 n 阶多元多项式函数,可以构造一个三层前向神经网络以任意精度逼近该多项式,所构造网络的隐层节点个数仅与多项式的维数 d 和阶数 n 有关.然后,我们给出实现这一逼近的具体算法.最后,给出两个算例进一步验证所得的理论结果.本文结果对神经网络逼近多元多项式函数的具体网络构造以及实现这一逼近的方法等问题具有指导意义.

距离空间中的神经网络插值与逼近

已有的关于插值神经网络的研究大多是在欧氏空间中进行的,但实际应用中的许多问题往往需要用非欧氏尺度进行度量.本文研究一般距离空间中的神经网络插值与逼近问题,即先在距离空间中构造新的插值网络,然后在此基础上构造近似插值网络,最后研究近似插值网络对连续泛函的逼近.

凸体几何一些经典不等式的等价性

本文惊奇地发现,凸体几何中一些具有较高应用价值的经典不等式之间存在 着等价性,作者给出了精辟的论证.

神经网络逼近速度下界估计

文中研究一类多元周期Lebesgue平方可积函数SF_d与神经网络集合Π_(φ,n,d)=(?)之间偏差dist(SF_d,Π_(φ,n,d))的估计问题.特别地,利用Fourier变换、逼近论等方法给出dist(SF_d,Π_(φ,n,d))的下界估计,即dist(?).所获下界估计仅与神经网络隐层的神经元数目有关,与目标函数及输入的维数无关.该估计也进一步揭示了神经网络逼近速度与其隐层拓扑结构之间的关系.

逼近已知函数微商的广义Lanczos算法

给出逼近已知函数微商的广义Lanczos算法,构造了一列逼近算子D_h^n以提高稳定近似解的收敛速率,当n=2时,逼近精度达到O(δ^(6/7)),而对一般的自然数n逼近精度为O(δ^(2n+2/2n+3)),这里δ是近似函数的误差界。

Strong Converse Inequality for Modified Szasz Operators

In this paper, we show the direct and converse theorems of strong type of approximation for modified Szasz operators. Rom these theorems, the characterization of approximation for these operators is derived. The obtained results are similar to the corresponding ones of the Szasz operators.

Cardaliguet-Eurrard型神经网络算子逼近

研究多维Cardaliguet-Eurrard型神经网络算子的逼近问题.分别给出该神经网络算子逼近连续函数与可导函数的速度估计,建立了Jackson型不等式.

多元Newman不等式与逼近逆定理

本文研究多元有理逼近的Newman不等式与逼近逆定理问题.在多元Müntz多项式空间中利用分解方法建立多元有理多项式的Markov型不等式与Nikolskii型不等式.同时,建立多元有理逼近的逆定理,即Steckin型不等式.本文所获结果不仅推广了一元的相应结果,而且包含了关于代数多项式的一些经典结果.

Simultaneous Approximation by Modified Bernstein-Durrmeyer Operators *

The aim of the present paper is to prove direct and converse results for simultaneous approximation by modified Bernstein-Durrmeyer operators. A point-wise equivalence characterization of simultaneous approximation is obtained.