期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
具有饱和控制器的时滞系统的稳定性 被引量:1
1
作者 王居凤 孙继涛 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2003年第8期951-954,共4页
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 .
关键词 饱和控制器 时滞 哈密顿矩阵 黎卡提方程 线性矩阵不等式 李雅普诺夫函数
在线阅读 下载PDF
含确定扰动的线性离散时滞系统的前馈-反馈最优控制
2
作者 唐功友 郑师 张宝琳 《中国海洋大学学报(自然科学版)》 CAS CSCD 北大核心 2006年第6期1008-1012,共5页
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... 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。 展开更多
关键词 离散系统 时滞系统 最优控制 逐次逼近法 观测器
在线阅读 下载PDF
约简数据集的支持向量分类机算法 被引量:1
3
作者 杨汝月 潘星 曹飞龙 《计算机应用与软件》 CSCD 北大核心 2008年第12期43-45,共3页
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... 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。 展开更多
关键词 支持向量机 约简数据 集相似度
在线阅读 下载PDF
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
4
作者 曹飞龙 李振彩 +1 位作者 赵建伟 吕科 《计算机学报》 EI CSCD 北大核心 2012年第4期786-795,共10页
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... 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. 展开更多
关键词 神经网络 全实轴 逼近 速度 连续模
在线阅读 下载PDF
单纯型上广义Bernstein算子
5
作者 丁春梅 杨汝月 《数学物理学报(A辑)》 CSCD 北大核心 2009年第2期423-435,共13页
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... 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. 展开更多
关键词 广义Bernstein算子 连续模 正定理 逆定理 Voronovskaja型展开.
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部