Lagrange神经网络在盲多用户检测中的应用

利用Lagrange神经网络的基本原理,在线性约束恒模算法(LCCMA)基础上,通过增加约束条件,提出了一种多约束Lagrange神经网络恒模"盲多用户检测"算法.通过仿真实验表明,算法比传统最陡下降恒模算法(SDCMA)在误码率等方面有所改善.     

一种新的双模式盲均衡算法研究

针对恒模算法(CMA)收敛速度较慢、收敛后均方误差较大的缺点,提出一种新的双模式盲均衡算法.在算法初期,利用能快速收敛的归一化恒模算法(NCMA)进行冷启动,在算法收敛后切换到判决引导(DD-LMS)算法,减少误码率.计算机仿真表明,提出的新算法有较快的收敛速度和较低的误码率.     

一类约束极值问题的Cramer解法及其应用

对一类带有转换点和约束条件的最小化问题,引入L agrange乘子,通过变换,将目标函数中的二次函数化为线性函数,再应用C ram er法则,求出最优解.最后给出了模型的应用.     

Lagrange、Cauchy、积分中值定理与Taylor公式的统一证明

通过一个定理的结论,给出L agrange、C auchy、积分中值定理和T ay lor公式的统一证明,同时得出计算不定型极限的L′Hosp ita l法则的推广定理.     

Kuhn-Tucker条件与线性规划的对偶性

证明了线性规划的K uhn-Tucker条件蕴含着它的对偶问题,解释了L agrange乘子的意义.进而显示了K-T条件中的互补松驰性与对偶线性规划的互补松紧定理之间的联系.     

线性空间中向量极值问题的最优性条件

文 [1]建立了线性拓扑空间中向量极值问题的广义 Kuhn- Tucker条件和 L agrange乘子存在定理 .本文将在线性空间中讨论这方面问题 ,首先在线性空间中建立了次似凸向量值映射的择一定理 ,进而得出序线性空间中向量极值问题的最优性条件及其标量化定理 .     

电报方程的时间间断时空有限元方法

为同时高精度逼近速度和位移,利用时间间断的时空有限元与降阶的思想,对一类电报方程的初边值问题建立一种时间间断时空有限元格式.利用有限差分方法与有限元方法相结合的技巧,证明了格式的稳定性和收敛性,得到了速度的L∞(L2)模和位移的L∞(H1)模最优误差估计.最后用数值算例验证了理论分析结果和所提算法的有效性.     

非线性参数估计的极小化L∞模方法

研究了L∞模的拟凸性质，利用极大熵方法得到极小化L∞模的Q算法．这是一种具有显式搜索方向的变尺度算法，在非线性参数估计中取得较好效果．     

Stokes型积分微分方程的质量集中各向异性非协调有限元分析

本文将Crouzeix-Raviart型非协调三角形元应用到发展型Stokes积分微分方程,给出了其质量集中非协调有限元逼近格式.在各向异性网格下,导出了速度的L2模和能量模及压力的L2模的误差估计.     

循环差分-微分模上双变元维数多项式的Gr?bner基算法北大核心CSCD

Gr?bner基算法是在计算机辅助设计和机器人学、信息安全等领域广泛应用的重要工具.文章在周梦和Winkler(2008)给出的差分-微分模上Gr?bner基算法和差分-微分维数多项式算法基础上,进一步研究了分别差分部分和微分部分的双变元维数多项式算法.在循环差分-微分模情形,构造和证明了利用差分-微分模上Gr?bner基计算双变元维数多项式的算法.     

ERROR ANALYSIS AND GLOBAL SUPERCONVERGENCES FOR THE SIGNORINI PROBLEM WITH LAGRANGE MULTIPLIER METHODS

1. IntroductionIt is well known that contact problems have always occupied a position of special importancein the mechanics of solids. So it attracted particular attention of engineers and computationalexperts. In the last ten years, with the development …     

从常步长梯度方法的视角看不可微凸优化增广Lagrange方法的收敛性

增广Lagrange方法是求解非线性规划的一种有效方法.从一新的角度证明不等式约束非线性非光滑凸优化问题的增广Lagrange方法的收敛性.用常步长梯度法的收敛性定理证明基于增广Lagrange函数的对偶问题的常步长梯度方法的收敛性,由此得到增广Lagrange方法乘子迭代的全局收敛性.     

k-均值问题的差分隐私算法综述

$k$-均值问题是机器学习和组合优化领域十分重要的问题。它是经典的NP-难问题, 被广泛的应用于数据挖掘、企业生产决策、图像处理、生物医疗科技等领域。随着时代的发展, 人们越来越注重于个人的隐私保护:在决策通常由人工智能算法做出的情况下, 如何保证尽可能多地从数据中挖掘更多信息,同时不泄露个人隐私。近十年来不断有专家学者研究探索带隐私保护的$k$-均值问题, 得到了许多具有理论指导意义和实际应用价值的结果, 本文主要介绍关于$k$-均值问题的差分隐私算法供读者参考。     

The Weighted Lebesgue Constant of Lagrange Interpolation for Exponential Weights on [-1, 1]

We establish uniform estimates for the weighted Lebesgue constant of Lagrange interpolation for a large class of exponential weights on [-1, 1]. We deduce theorems on uniform convergence of weighted Lagrange interpolation together with rates of convergence.     

半参数两样本密度比率模型估计问题的一点注记

In this paper,a semiparametric two-sample density ratio model is considered and the empirical likelihood method is applied to obtain the parameters estimation.A commonly occurring problem in computing is that the empirical likelihood function may be a concaveconvex function.Here a simple Lagrange saddle point algorithm is presented for computing the saddle point of the empirical likelihood function when the Lagrange multiplier has no explicit solution.So we can obtain the maximum empirical likelihood estimation (MELE) of parameters.Monte Carlo simulations are presented to illustrate the Lagrange saddle point algorithm.     

A Note on the Estimation of Semiparametric Two-Sample Density Ratio Models

In this paper,a semiparametric two-sample density ratio model is considered and the empirical likelihood method is applied to obtain the parameters estimation.A commonly occurring problem in computing is that the empirical likelihood function may be a concaveconvex function.Here a simple Lagrange saddle point algorithm is presented for computing the saddle point of the empirical likelihood function when the Lagrange multiplier has no explicit solution.So we can obtain the maximum empirical likelihood estimation (MELE) of parameters.Monte Carlo simulations are presented to illustrate the Lagrange saddle point algorithm.     

Convergence of an augmented Lagrange algorithm for nonlinear optimizations with second-order cone constraints

An augmented Lagrange algorithm for nonlinear optimizations with second-order cone constraints is proposed based on a Löwner operator associated with a potential function for the optimization problems with inequality constraints. The favorable properties of both the Löwner operator and the corresponding augmented Lagrangian are discussed. And under some mild assumptions, the rate of convergence of the augmented Lagrange algorithm is studied in detail.     

The numerical stability of barycentric Lagrange interpolation

The Lagrange representation of the interpolating polynomialcan be rewritten in two more computationally attractive forms:a modified Lagrange form and a barycentric form. We give anerror analysis of the evaluation of the interpolating polynomialusing these two forms. The modified Lagrange formula is shownto be backward stable. The barycentric formula has a less favourableerror analysis, but is forward stable for any set of interpolatingpoints with a small Lebesgue constant. Therefore the barycentricformula can be significantly less accurate than the modifiedLagrange formula only for a poor choice of interpolating points.This analysis provides further weight to the argument of Berrutand Trefethen that barycentric Lagrange interpolation shouldbe the polynomial interpolation method of choice.     

求解非凸半定规划的一个非线性Lagrange算法及其收敛性分析

本文提出了一个求解非凸半定规划的非线性Lagrange算法,当二阶充分条件以及严格互补条件成立时,证明了这一算法的收敛性定理.收敛结果表明,当惩罚参数小于某个阀值时,算法是局部收敛的;此外,还给出了解的一个依赖于惩罚参数的误差界.