高饱和电机磁场边界元解法的收敛性

本文采用曲面拟合法来处理磁场的非线性问题,提出取用向量磁位和采用对数平缓等措施来提高数值计算精度.拟改善边界元法求解高饱和磁场问题时非线性迭代的收敛性。实例结果表明,用改进型边界元法求解高饱和(局部B>1.8T)问题是可行的,而且剖分简单,精度高。     

多变量自校正解耦控制器的全局收敛性分析

本文对多变量自校正解耦控制算法[1]进行了稳定性和收敛性分析.结果表明:该算法 即使用于非最小相位系统仍然具有全局收敛特性,即以概率l输入输出向量采样均方有界, 广义跟踪误差向量条件采样均方极小.     

结构动力分析中几种逐步积分法在负刚度条件下的收敛性和稳定性

本文研究了负刚度条件下中心差分法、Z-变换法、Wilson θ法以及二步Adams显式方法的收敛性及稳定性。在负刚度条件下,这几种方法都是收敛的,中心差分法、Z-变换法及二步Adams显式方法是无条件稳定的,而Wilson θ法则是条件稳定的。     

求解一类变形变分不等式的一个算法

针对文献（１）中提出了一类变形变分不等式给出一个简化的算法，并在一定条件下到了该算法的收敛性。     

延迟离散Hopfield网络及其串行稳定性

利用Lyapunov泛函方法，引入一种延迟离散Hopfield网络,给出该网络收敛到稳定点时网络参数应满足的足件及能量函数达到极值与网络收敛二者之间的关系，为实际应用打下了理论基础。     

基于神经网络的自适应控制

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支.自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势.     

蜜蜂进化型遗传算法在水库优化调度中的应用

提出了一种基于蜜蜂进化型遗传算法的水库优化调度问题的求解方法,并通过实例对蜜蜂进化型遗传算法和标准遗传算法的性能做了比较.结果表明,在进化代数相同的条件下,由于蜜蜂进化型遗传算法在配种选择算子上使用种群的最优个体作为蜂王,提高了种群收敛速度;再者,在代进化过程中引入一个随机种群,保持了群体的多样性,提高了算法的勘测能力.     

带光滑L_(1/2)正则化项的神经网络逆向迭代算法收敛性分析

L1/2正则子比L2正则子更具稀疏性,有更强的剪枝能力;但其非凸、非光滑以及不满足Lipschitz条件的函数性质,使神经网络训练过程易于出现数值振荡现象,并且给收敛性分析带来理论困难。用光滑函数逼近L1/2正则子在克服数值振荡的同时可以保证目标函数具有良好的连续可微性质。针对提出的带光滑L1/2正则化项的逆向迭代神经网络模型,证明了误差函数的单调递减性质及算法的确定型收敛性:弱收敛和强收敛。数值实验表明,新的逆向迭代学习算法较已有算法保证了输入向量序列在训练过程中的稳定性及稀疏性,并有较好的泛化能力。