一个Weierstrass迭代修正法的收敛性分析

为了求解多项式方程f(z）=0，我们在Weierstrass迭代的基础上给出了一个同时求解该方程所有根的迭代法，并对其收敛性及收敛的初始条件进行了分析，得出其收敛的初始条件，它仅与迭代的初始点有关而与方程的根无关，同时还证明了在此初始条件下，该迭代是3阶收敛的。     

并行迭代的高阶加速方法

从4阶收敛的并行迭代公式出发,利用并行加速技巧构造了一个5阶收敛的并行迭代算法,并进行了收敛性分析,通过数值实验验证了算法的高速收敛性.     

一个带权函数的拟线性椭圆方程的有界弱解

在经典的 Sobolev 空间框架中, 运用 De Giorgi 迭代技术, 给出了一个带权的非线性椭圆方程弱解的先验L^∞估计。基于最大模估计, 用偏微分方程中的弱收敛方法及极限过程, 证明了弱解的存在性。     

用于不平衡模式分类的BP算法的改进

ＢＰ网络用于模式分类时，若要求分类的模式集不平衡，则其学习的收敛速度极其缓慢，本文提出了一种改进其收敛速度的算法．     

半线性抛物型微分包含的有限差分法

讨论了一类半线性抛物型微分包含第一边值问题的有限维逼近，研究了其近似可解性．在本文定义的网格范数意义下，空间方向的有限差分半离散化差分解收敛到问题的解，同时也证明了全离散差分格式对初值是稳定的．最后通过一个具体的一维半线性抛物刑微分包含实例，对本文的差分格式进行了验证．     

弱收敛条件下的Newton迭代

对算子F的二次导数满足的Lipschitz条件进行了讨论，以使Newton迭代的收敛条件能减弱。在新的条件下，通过使用一种基于递归关系的新技巧，证明了Nnewton法收敛,给出了算子方程的解的存在惟一性定理。     

一个新的交通网络平衡设计模型及其算法

针对城市道路网络改造问题中，待改造道路和拟添加道路均具有等级选择的特点，提出了一种更加符合实际的新的网络平衡设计二层规划模型，设计了粒子群求解算法，并给出了一个简单的算例，实际算例表明该算法具有计算简单，收敛速度快的特点．     

求解不可导方程的修正牛顿迭代及其在Banach空间中的收敛性

为了解决不可导方程的求根问题以及在实际应用方面的考虑，在韩丹夫一文收敛条件的基础上，提出了用修正的牛顿方法来解决不可导方程的求根问题，并且用优序列方法给出了收敛性理论，由于方程本身的限制，所得到的结果是线性收敛的．     

扰动方程的优化正则解及其收敛阶估计

在扰动方程的正则化求解问题中，解的收敛性估计是十分重要的．针对Wang Y Y等在2001年中所给出的正则化解法结果，给出相应正则解的收敛阶估计．     

遗传BP神经网络在PID控制器中的应用

提出了一种基于遗传BP神经网络的自整定PID控制器的设计方法．利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，在利用BP神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能．计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程．     

BP人工神经网络用于除草剂活性预测

采用AMI方法研究了10种新型的磺酰脲类除草剂的电子结构，并以原子的Mulliken净电荷和除草剂在不同浓度(100，10mg／L)下对油菜、稗草两种作物的根、茎部位的抑制率为训练样本集。构造并训练得到具有活性预测能力的BP神经网络．结果表明，该BP网络不仅能对训练样本很好拟合。亦能对未知化合物的活性作出很好的预测．     

基于混合遗传算法优化的MLP神经网络的调制方式识别

提出了一种基于遗传算法与多层感知神经网络的调制识别方法,运用改进遗传算法优化的多层感知神经网络分类器对各种调制信号的特征矢量进行分类识别.利用遗传算法的高效全局特性,克服了传统BP算法易于陷入局部最优解的缺点,同时在遗传算法基础上增加梯度下降算子,加快了收敛速度,使得分类器的识别率、收敛速度和鲁棒性得到明显改善,仿真实验的结果证明了此方法的有效性和可行性.     

模糊自适应算法的神经网络图像重建

在12电极ECT系统中,采用BP神经网络进行图像重建时以一定原则选取学习样本,并引入模糊自适应算法以加快训练的收敛速度,获得较满意的重建图像效果．     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

求解二次规划问题的神经网络方法

根据人工神经网络的基本优化机理,提出了一种基于Lagrange函数的适合于求解二次规划问题的神经网络模型,研究了该神经网络的稳定性和收敛性,探讨了提高网络优化计算效率的神经优化策略,仿真结果证明了该神经网络能有效地求解二次规划问题。     

一种基于重置的变结构前馈神经网络

基于GaussNewton法的前馈神经网络虽然可以达到局部二阶收敛速度．但网络结构中如果结点个数过多，会造成过模拟；网络结点过少。又会导致不收敛。为了优化神经网络结构，尝试引入重置算法(Early Restart Algofithm)，并将其应用于Gauss Newton前馈神经网络．提出基于重置的Gauss Newton变结构前馈神经网络。对比实验表明，重置算法的引入有效地解决神经网络的结构优化问题，优化后的神经网络具有良好的收敛性与稳定性。     

多层前向神经网络的自适应遗传算法训练

提出了一种改进的自适应遗传算法 Ｉ Ａ Ｇ Ａ，它利用网络结构的特点，采用前向自适应技术，实现对神经网络的有效训练．实验表明，该算法优于 Ｂ Ｐ算法、标准遗传算法 Ｂ Ｇ Ａ 和普通自适应遗传算法 Ａ Ｇ Ａ，网络训练质量和效率都有很大提高     

基于BP神经网络的陕西省县域乡村性分异研究

以陕西省83个县域为实证研究单元,基于城乡一体化思想构建了乡村性综合评价指标体系,运用BP神经网络确定其指标权重,在Visual Studio 2010平台上计算乡村性指数,并借助ArcGIS和GeoDA软件划分乡村发展类型,对乡村性数值分异及空间分异进行了定量化测度和分析.运用BP神经网络确定乡村性权重及强度具有一定的可行性;陕西省县域乡村性在数值分异特征上,两极分化严重,中低、中等、中高水平县域组内均衡;在空间分异特征上,呈陕南、陕北高,关中低,东低西高的分布格局,乡村性空间关联性较强,彼此联系紧密.进而对陕西省县域乡村性差异的成因做了初步探讨,提出了县域发展的方向.     

高应变率下高聚物本构模型的BP神经网络辨识

利用SHPB技术和自编的BP神经网络程序,以尼龙为代表性研究对象,对高聚物在高应变率下的本构模型进行了辨识,研究表明：在应变小于7％范围内,以应变与应变率作为输入,以应力作为输出,BP神经网络能满意地辨识高聚物的动态本构模型;而当应变大于7％时,除应变和应变率外可取时间作为表征损伤演化的反函数共同作为输入,以应力作为输出,能获得满意的结果。