函数式程序的离散式延迟输入输出流

函数式程序的离散式延迟输入输出流廖湖声，吴晶（北京工业大学计算机学院北京１０００４４）ＡＤＩＳＣＲＥＴＥＬＡＺＹＳＴＲＥＡＭＦＯＲＩＮＰＵＴＡＮＤＯＵＴＰＵＴＩＮＦＵＮＣＴＩＯＮＡＬＬＡＮＧＵＡＧＥＳ￥ＬｉａｏＨｕｓｈｅｎｇａｎｄＷｕＪｉｎｇ（Ｃｏｍ...     

结构动力响应计算的瞬时界面关连矩阵法

结构动力响应计算的瞬时界面关连矩阵法杜国君，彭天国（东北重型机械学院）ＴＲＡＮＳＩＥＮＴＢＯＵＮＤＡＲＹＳＵＲＦＡＣＥＲＥＬＥＶＡＮＴＭＡＴＲＩＸＭＥＴＨＯＤＦＯＲＣＡＬＣＵＬＡＴＩＮＧＤＹＮＡＭＩＣＲＥＳＰＯＮＳＥＯＦＳＴＲＵＣＴＵＲＥ￥ＤｕＧｕｏ...     

经验点滴

显示卡知识大全 （接上期） ＳＧＲＡＭ（Ｓｙｎｃｈｒｏｎｏｕｓ Ｇｒａｐｈｉｃｓ ＲＡＭ） ＳＧＲＡＭ（同步）是一种比较新的显存，而且它是为专为显示卡所设计的，它改进了过去低效能显存传输率较低的缺点，为显示卡性能的提高创造了条件。但是因为其设计制造成本过高，在普通显卡上采用的较少，一般都是运用在高端加速卡上。现在有很多低档３Ｄ加速卡都使用ＳＧＲＡＭ，但是经过比较你会发现其性能甚至还不如使用ＳＤＲＡＭ的同等产品。 ＳＤＲＡＭ（Ｓｙｎｃｈｒｏｎｏｕｓ ＤＲＡＭ）相信大家对这种显存并不陌生，ＳＤＲＡＭ与早期…     

矩形板动力响应计算的迁移子结构法

矩形板动力响应计算的迁移子结构法杜国君，陈继荣（东北重型机械学院，齐齐哈尔）ＴＨＥＴＲＡＮＳＦＥＲＳＵＢＳＴＲＵＣＴＵＲＥＭＥＴＨＯＤＡＢＯＵＴＤＹＮＡＭＩＣＲＥＳＰＯＮＳＥＣＡＬＣＵＬＡＴＩＯＮＯＦＲＥＣＴＡＮＧＵＬＡＲＰＬＡＴＥＳ￥ＤｕＧｕｏ－ｊ...     

DVD的发展趋势和我们的对策

ＤＶＤ的发展趋势和我们的对策上海市微电脑应用学会多媒体分会姚勤毅一、前言ＤＶＤ光盘的名称，从年初起已由原来的数字视频光盘（ＤＩＧＩＴＡＬＶＩＤＥＯＤＩＳＣ）改为数字多用光盘（ＤＩＧＩＴＡＬＶＥＲＳＡＴＩＬＥＤＩＳＣ）。单面单涂层的ＤＶＤ光盘可记录的信...     

利用FPGA实现DDS专用集成电路

最近几年，现场可编程门阵列（ＦＰＧＡ）技术得到了迅速的发展和广泛的应用。利用ＦＰＧＡ，不仅可实现一般数字逻辑电路的集成，而且在实现各种专用集成电路（ＡＳＩＣ）方面也开始引起人们的重视。作者在利用ＦＰＧＡ实现直接数字合成（ＤＤＳ）专用电路方面取得了一些进展。通过这些进展的介绍，可使人们对ＦＰＧＡ应用的一个发展趋势有所了解。     

一种求解二次规划的简便方法

一种求解二次规划的简便方法刘萍，凌晓东（北京科技大学计算机系）（中信公司国际研究所）ＡＮＥＷＭＥＴＨＯＤＦＯＲＱＵＡＤＲＡＴＩＣＰＲＯＧＲＡＭＭＩＮＧ￥ＬｉｕＰｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＣｐｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＵｎｉｖｅｒｓｉｔｙｏｆＳ...     

滑动奇DCT和DST的快速算法

滑动奇ＤＣＴ和ＤＳＴ的快速算法殷福亮（大连理工大学）ＦＡＳＴＡＬＧＯＲＩＴＨＭＳＦＯＲＡＦＡＭＩＬＹＯＦＲＵＮＮＩＮＧＯＤＤＤＩＳＣＲＥＴＥＣＯＳＩＮＥＡＮＤＳＩＮＥＴＲＡＮＳＦＯＲＭＳ￥Ｙｉｎｆｕｌｉａｎｇ（ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅ...     

模拟退火算法与遗传算法的结合

模拟退火算法与遗传算法的结合王雪梅，王义和（哈尔滨工业大学计算机科学与工程系哈尔滨１５０００１）ＴＨＥＣＯＭＢＩＮＡＴＩＯＮＯＦＳＩＭＵＬＡＴＥＤＡＮＮＥＡＬＩＮＧＡＮＤＧＥＮＥＴＩＣＡＬＧＯＲＩＴＨＭＳ￥ＷＡＮＧＸｕｅｍｅｉ；ＷＡＮＧＹｉｈｅ（Ｄｅ...     

两类求解二阶周期性初值问题具有极小相位延迟的高精度显式法

两类求解二阶周期性初值问题具有极小相位延迟的高精度显式法向开理（西南石油学院）ＨＩＧＨ－ＡＣＣＵＲＡＣＹＥＸＰＬＩＣＩＴＭＥＴＨＯＤＳＷＩＴＨＭＩＮＩＭＡＬＰＨＡＳＥ－ＬＡＧＦＯＲＴＨＥＩＮＴＥＧＲＡＴＩＯＮＯＦＳＥＣＯＮＤＯＲＤＥＲＰＥＲＩＯＤＩＣ...     

基于外时延反馈人工神经网络的短期负荷预测系统

针对当前人工神经网络学习算法存在的问题,使用变步伐最速下降法和共轭梯度法的混合算法来进行神经网络的训练,并建立了负荷预测的人工神经网络模型。介绍了基于Delphi下的短期电力负荷预测系统。该系统由负荷预测数据查询模块、预测方法模块、结果查询模块和图表输出模块四部分组成。事实说明,混合算法在全局收敛性和收敛速度上要好于传统的算法,所基于此的短期负荷预测系统能达到令人满意的精度。     

基于梯度动力学的协同神经网络学习算法的改进

本文在研究协同神经网络梯度动力学过程的基础上,针对学习过程收敛速度缓慢的缺点,提出了一种改进的基于梯度动力学的协同神经网络学习算法。该算法分析了非平衡注意参数对学习过程的影响,简化了初始伴随向量的选取;并引入最优化理论,将该问题归结为求解非线性最优化问题,用共轭梯度法代替梯度下降法,加快了学习过程的收敛。通过对汉字图像库和人脸图像库的图像识别实验,表明该算法较之其他学习算法有较高的识别率,并能较快的收敛到极小值。     

A two-stage algorithm integrating genetic algorithm and modified Newton method for neural network training in engineering systems

A two-stage algorithm combining the advantages of adaptive genetic algorithm and modified Newton method is developed for effective training in feedforward neural networks. The genetic algorithm with adaptive reproduction, crossover, and mutation operators is to search for initial weight and bias of the neural network, while the modified Newton method, similar to BFGS algorithm, is to increase network training performance. The benchmark tests show that the two-stage algorithm is superior to many conventional ones: steepest descent, steepest descent with adaptive learning rate, conjugate gradient, and Newton-based methods and is suitable to small network in engineering applications. In addition to numerical simulation, the effectiveness of the two-stage algorithm is validated by experiments of system identification and vibration suppression.     

求解TSP问题的混合遗传算法

TSP问题是一类经典的NP问题,目前有很多方法对其求解,而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合（GACSDM）、遗传算法与模拟退火法相结合（SAGA）。设计了贪婪的复合变异算子（GCM）,并引入隔代爬山法算子（Climb）增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。     

基于梯度动力学的协同神经网络学习算法的改进

本文在研究协同神经网络梯度动力学过程的基础上,针对学习过程收敛速度缓慢的缺点,提出了一种改进的、基于梯度动力学的协同神经网络学习算法。该算法分析了非平衡注意参数对学习过程的影响,简化了初始伴随向量的选取;并引入最优化理论,将该问题归结为求解非线性最优化问题,用共轭梯度法代替梯度下降法,加快了学习过程的收敛。通过对汉字图像库和人脸图像库的图像识别实验表明,该算法比其他学习算法的识别率高,并能较快地收敛到极小值。     

Soft computing applications in dynamic model identification of polymer extrusion process

This paper proposes the applications of soft computing to deal with the constraints in conventional modelling techniques of the dynamic extrusion process. The proposed technique increases the efficiency in utilising the available information during the model identification. The resultant model can be classified as a ‘grey-box model’ or has been termed as a ‘semi-physical model’ in the context. The extrusion process contains a number of parameters that are sensitive to the operating environment. Fuzzy rule-based system (FRBS) is introduced into the analytical model of extrusion by means of sub-models to approximate those operational-sensitive parameters. In drawing an optimal structure for each sub-model, a hybrid algorithm of genetic algorithm with fuzzy system (GA-fuzzy) has been implemented. The sub-models obtained show advantages such as linguistic interpretability, simpler rule-base and less membership functions (MFs). The developed model is adaptive with its learning ability through the steepest decent error back-propagation algorithm. This ability might help to minimise the deviation of the model prediction when the operational-sensitive parameters adapt to the changing operating environment in the real situation. The model is first evaluated through simulations on the consistency of model prediction with the theoretical analysis. Then, the usefulness of adaptive sub-models during the operation is further explored in existence of prediction error.     

基于最速下降最优解参考的粒子群算法

将现代智能优化算法(微粒群算法)和最速下降法有机的结合起来,构造出一种混合优化算法,该算法既有微粒群算法的优点,又有最速下降的较高收敛性和精度,数值计算表明算法对于求解连续可微函数的全局优化问题是非常有效的。     

基于速度越界处理与最速下降法改进的蝙蝠算法

针对蝙蝠算法(Bat algorithm,BA)易陷入局部极值、精度不高、搜索盲目性大的缺点,在分析蝙蝠算法本身的迭代机制的基础上,提出一种基于速度越界处理与最速下降法改进的蝙蝠算法(VCBA)。利用速度的越界处理控制蝙蝠位置更新的范围;利用最速下降法对BA局部搜索阶段中不好的蝙蝠位置进行更新;对位置较好的蝙蝠在其附近进行扰动;对BA判断局部搜索阶段产生的蝙蝠位置是否满足需求的条件进行改进。选取7个测试问题进行数值实验,结果表明,VCBA在收敛精度和稳定性上比BA有显著提升。     

准时化生产计划的半无限规划模型及其遗传算法

提出更准确地描述准时化生产计划问题的非线性半无限规划模型。由于传统的优化方法不能求解这类问题，提出一种沿梯度方向变异的遗传算法，该算法实质上是最速下降法和随机抽样算法的组合。实验结果表明以上模型和算法有潜力解决实际生产计划问题。     

柔性神经网络训练算法的研究

针对经典BP网络训练速度慢、易陷入局部最小值而无法收敛的弱点,提出用具有高度柔性的柔性神经网络代替经典网络,并以矩阵作为基本运算单位导出了柔性神经网络训练的最速下降法和LM(Levenberg Marquard)算法。矩阵作为基本运算单位的优点是可以用高效矩阵库LAPACK来编写程序,提高了数值计算的精度和速度。仿真结果表明了算法的有效性。