一个正态分布函数近似计算公式

本文给出一个比较简单的公式,用以计算拉普拉斯函数的近似值,计算误差不超过0.000064。     

模糊可靠性分析中基于神经网络技术的隶属函数确定方法

简要介绍了人工神经网络技术的含义,提出了基于神经网络技术的隶属函数求解方法,并用实例证明了该方法的实用性和可靠性.     

高维正态分布函数的算法

多市场非均衡模型建模的主要困难是高维正态密度函数的积分，本文提出高维正态密度函数积分的一种新算法－数论真法，确定性误差较小，计算简便。仿真实例证实了核算法的有铲性。     

基于L-S Lagrange函数的神经网络方法

利用非线性规划的Log-Sigmoid (L-S)型Lagrange函数及其对偶问题的性质,提出一种求解优化问题的神经网络方法,并讨论网络的收敛性和稳定性条件,算例表明该神经网络能有效求解.     

基于神经网络方法预测薄膜的功函数

首次利用前馈３层神经网络模型,结合薄膜场发射的特性,建立了场发射薄膜功函数的神经网络预测模型,并用金刚石薄膜的实验数据样本进行了验证,结果表明,该模型预测的相对误差小于６．４％,具有很好的预测性能,从而可以通过已知薄膜的功函数来预测未知薄膜的功函数。     

非线性函数逼近的神经网络方法

针对工程实际中一类典型的非线性函数逼近问题，本阐述了单层函数型网络及双层网络在应用时各自的特点，并提出了对网络输入节点进行优化选择，可提高网络的逼近精度，简化网络结构。中给出具选择方法，计算机模拟结果验证了该方法的有效性。     

基于模糊统计的隶属函数神经网络实现方法

采用模糊统计方法获得有限对离散的隶属函数关系，并用神经网络将此关系综合成连续函数表达形式。这一方法进一步完善了隶属函数的统计求法，丰富了经典插值方法，有利于模糊数学理论应用于希望实现并行处理的模式识别等研究领域。     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

基于子波神经网络的函数逼近

分析了神经网络中非线性函数与子波变换母函数的关系,研究用于非线性函数逼近的子波神经网络的结构设计方法.函数逼近实例证实了结论的正确性.     

基于余弦函数的神经网络硬件实现

研究了正交余弦基函数神经网络模型和学习算法, 给出了仿真实例, 并提出了余弦函数基神经网络模型电路实现方案.仿真结果表明,该网络学习收敛速度快,可任意逼近非线性映射等优异性能. 此外,网络结构简单,便于电路实现, 一个余弦波振荡源经倍频即可实现隐层神经元电路.     

检验正态分布的编程算法

假定总体为正态分布 ,是绝大多数统计分析和统计检验的前提。但是用大样本检验总体正态分布的计算比较复杂 ,手工难以完成 ,致使实际工作中往往放弃这一至关重要的检验。针对这种情况 ,研制了一套精确的编程计算方法 ,以完成这一复杂的计算过程。经过编程、上机、计算实例 ,并与手工计算对比 ,结果证明 :这种编程算法精确、快捷、有效、免除了复杂的手工计算 ,解决了用大样本检验总体正态分布的难题 ,实现了检验总体正态分布自动化     

可靠度分配的惩罚函数法

利用优化设计的惩罚函数法进行系统的可靠度分配,以各单元花费最小为目标函数,在满足系统可靠度要求的前提下,合理的落实各单元的可靠度指标。为产品设计提供了科学的依据,是一种快捷,有效的方法。     

高维正态分在函数的算法

多市场非均衡模型建模的主要困难是高维正态密度函数的积分．本文提出高维正态密度函数积分的一种新算法──数论仿真法，确定性误差较小，计算简便．仿真实例证实了该算法的有效性．     

正态MA(O，1)序列的似然函数的一种表示

借助矩阵和差分方程,具体给出了在实际中具有重要应用的一类数学模型——正态MA(0,1)序列的似然函数的一种显式表示,即具体表示成了模型参数的函数.     

正态MA（0，1）序列的似然函数的一种表示

借助矩阵和差分方程,具体给出了在实际中具有重要应用的一类数学模型——正态MA(0,1)序列的似然函数的一种显式表示。即具体表示成了模型参数的函数。     

探讨卷积和的求解方法

讨论了求卷积和的意义,求卷积和常用的方法及优缺点,在此基础上提出了两种新的求卷积和的计算方法,并阐述了其基本原理,这些方法避开了求卷积和时需大量画图的繁琐过程,简化了求卷积和的计算.     

关于具有正态边际分布的非正态分布

给出了一类非独立的多个正态随机矩阵的联合分布、边际分布及其线性组合的分布之间关系的一个结果。     

Airy函数的零点分布

作为二阶微分方程f″-zf=0的解 ,Airy函数有可列个零点且均为负数。借助Macdonal函数 ,证明了这一重要结论 ,其证明过程不涉及整函数阶的问题 ,是一种较为初等的证明方法     

矩阵正态分布的一个应用

李泽慧、乔彦友在[1]中提出了对于正态分布x=(x_1…x_n)′～N(u,Σ),X与S_n~2何时相互独立的问题,本文将此问题推广到矩阵正态分布的一般情况,并通过矩阵正态分布的性质,完全解决了此问题。