注重数学概念教学 发展问题解决能力

数学概念是中学数学教学中至关重要的内容,是基础知识和基本技能的核心.正确理解概念是学好数学的基础.数学的问题解决是学好数学的具体体现,是学生有兴趣学习数学的动力源泉.在平常的教学中,可以通过解题训练,提高学生问题解决的能力.当下普遍的是重解题训练,轻概念教学.这样虽可短期内提高学生平时数学成绩,但其淡化了对知识本质的理解,不利于可持续发展.笔者结合自身的教学实践,以"离散型随机变量的分布列"为课例(下文简称为"课例"),分析如何通过概念教学提高学生数学问题     

多层前馈模糊神经网络在儿童综合素质测评中的应用

运用对偶标度统计方法计算儿童发展调查问题中原始数据的变量权和样本得分,从而确定评价因素集.采用多层前馈模糊神经网络——FM LP实现对儿童个体综合素质的定量评价.     

基于网络媒体信息的传染病传播模型及其仿真研究

当一种突发传染病开始流行时,政府、媒体会以各种形式告知民众,有防范意识的民众将采取一定的防范措施来降低感染率.考虑面对一种突发传染病,将易感群体划分为具有防范意识和不具有防范意识两种群体,利用生命周期理论,分析网络媒体信息报道对传染病传播的影响,以此为依据建立一种改进的传染病传播模型(MSI).利用网络大数据得到对传染病有防范意识群体的观测值信息,利用神经网络技术对模型MSI的参数进行反演.然后对模型MSI数值仿真得到传染病传播过程,提出了相应的控制措施.     

两平行圆盘间或两圆球间存在二阶流体时的挤压流动

为了进行湿颗粒群的离散元模拟,研究两圆球颗粒间二阶流体在挤压流动时的法向粘性力．首先用小参数法对两平行圆盘间二阶流体挤压流动的速度场和正应力分布进行了近似分析,然后用类似的方法,分析任意两圆球间二阶流体的挤压流动,得到了压力分布和法向粘性力的解析解．     

变时滞BAM神经网络的全局指数稳定性

研究一类变时滞BAM神经网络平衡点的全局指数稳定性问题.在不要求激励函数全局Lipschitz条件下,通过构造合适的Lyapunov泛函,并结合Young不等式,得到了BAM神经网络模型在一定条件下全局指数稳定的一些充分条件,推广和改进了前人的相关结论,为综合设计指数稳定的时滞BAM神经网络提供了依据.     

具S-型分布时滞的模糊细胞神经网络的周期解及指数稳定性

研究了一类具S-型分布时滞的模糊细胞神经网络(FCNN)的周期解及全局指数稳定性问题.在不要求激励函数全局L ipsch itz条件下,通过使用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了模糊细胞神经网络模型周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.     

一类椭圆型变分不等式离散问题的迭代算法

根据一类椭圆型变分不等式离散问题所具有的非线性特征，提出了一种简明快速的迭代算法，该方法在解决障碍问题及流体润滑油膜破裂自然边值问题等工程应用问题时具有较高的效率。     

矩阵的广义特征值及特征向量的神经网络方法

矩阵特征值及特征向量计算在实际问题中有广泛的应用.应用神经网络方法来计算广义特征值及对应的特征向量,给出了相应的算法,并对给出的算法在数学上进行了严格证明.并用实例验证了其正确性.     

Towards a unified recurrent neural network theory: The uniformly pseudo-projection-anti-monotone net

In the past decades, various neural network models have been developed for modeling the behavior of human brain or performing problem-solving through simulating the behavior of human brain. The recurrent neural networks are the type of neural networks to model or simulate associative memory behavior of human being. A recurrent neural network (RNN) can be generally formalized as a dynamic system associated with two fundamental operators: one is the nonlinear activation operator deduced from the input-output properties of the involved neurons, and the other is the synaptic connections (a matrix) among the neurons. Through carefully examining properties of various activation functions used, we introduce a novel type of monotone operators, the uniformly pseudo-projectionanti-monotone (UPPAM) operators, to unify the various RNN models appeared in the literature. We develop a unified encoding and stability theory for the UPPAM network model when the time is discrete. The established model and theory not only unify but also jointly generalize the most known results of RNNs. The approach has lunched a visible step towards establishment of a unified mathematical theory of recurrent neural networks.     

分类问题的在线顺序双并联快速学习机

双并联前馈神经网络模型是单层感知机和单隐层前馈神经网络的混合结构,本文构造了一种双并联快速学习机算法,与其他类似算法比较,提出的算法能利用较少的隐层单元及更少的待定参数,获得近似的学习性能.数值实验表明,对很多实际分类问题,提出的算法具备更佳的泛化能力,因而可以作为快速学习机算法的有益补充.