递归算法的参数设置

递归算法参数的设置是至关重要的,基于递归算法的特征,提出一种通用的递归算法的设计模式．在此基础上进一步讨论参数的设置的方式及其效果,为研究递归算法提供有效的解决方案,具有很强的实用性,并结合经典实例给以说明。     

模型参考自适应IIR递归滤波器辨识新算法

针对自适应IIR滤波器算法容易陷入局部极小点的缺陷,提出了一种新的自适应递归滤波辨识算法.该算法采用模型参考自适应系统设计了辨识参数自适应律,基于Lyapunov理论保证了自适应递归算法的稳定性,而且辨识参数收敛.仿真结果表明了该算法的可行性和滤波器结构的正确性.     

GSM全速率语音编码中Schur递归算法的FPGA实现

Schur递归算法是GSM全速率语音编码算法中计算短期滤波参数的一个关键部分。由于它是一个典型的双循环结构,所以在算法的FPGA实现中也具有代表意义,本文对Schur递归算法的特点进行了详细的分析,提出了一种利用FPGA实现Schur递归算法的方案,并对其实现过程中各模块的设计方法进行了详细的分析。     

递归最小二乘循环神经网络

针对循环神经网络(Recurrent neural networks, RNNs)一阶优化算法学习效率不高和二阶优化算法时空开销过大,提出一种新的迷你批递归最小二乘优化算法.所提算法采用非激活线性输出误差替代传统的激活输出误差反向传播,并结合加权线性最小二乘目标函数关于隐藏层线性输出的等效梯度,逐层导出RNNs参数的迷你批递归最小二乘解.相较随机梯度下降算法,所提算法只在RNNs的隐藏层和输出层分别增加了一个协方差矩阵,其时间复杂度和空间复杂度仅为随机梯度下降算法的3倍左右.此外,本文还就所提算法的遗忘因子自适应问题和过拟合问题分别给出一种解决办法.仿真结果表明,无论是对序列数据的分类问题还是预测问题,所提算法的收敛速度要优于现有主流一阶优化算法,而且在超参数的设置上具有较好的鲁棒性.     

递归神经网络的设计与应用

结合实例,给出了递归神经网络的完整设计步骤,包括网络结构的选定,学习算法的选择和网络参数的训练过程。重点研究了学习速率的初始值选取及其调整顺序。给出的递归网络的设计方法,可以适用于多种递归神经网络。     

使递归算法泛型化

对于泛型程序设计来说,类型理论中的参数化多态是其理论框架,因为参数化多态引入了类型变量,使得类型参数化,从而完全支持类型上的抽象.然而对于现行的泛型算法,无论是C 标准模版库中的泛型算法还是基于函数式程序设计语言的算法,函数功能的定义比较具体化、单一化,因而缺乏可扩展性和高度的复用性.将对递归算法进行抽象,构造原始递归构造子,使得一般的泛型算法都可以通过该算子来构造,从而加强泛型算法的可复用型与可扩展性.除此之外,分析了递归算法构造子与泛型程序设计中的iterator概念和用于描叙泛型概念的形式化语言Tecton中所提倡的reuse概念的一致性.也给出算法复杂度的定量分析,并用函数式语言ML来实现.     

一种Hammerstein-Wiener系统的递归辨识算法

针对含有过程噪声的Hammerstein-Wiener系统,本文提出一种递归辨识算法用于系统的在线辨识. 首先使用多项式函数对系统非线性部分进行严格参数化,在此基础上以参数误差平方和的期望值最小为目标函数,推导出参数估计的递归更新公式,避免了过程噪声对辨识结果的影响. 通过对算法进行深入分析,得到参数一致收敛的条件,并给出算法中重要系数的设定方法,使参数收敛域得到扩大. 与传统两阶段法的数值仿真比较验证了该方法的优越性.     

使递归算法泛型化

对于泛型程序设计来说,类型理论中的参数化多态是其理论框架,因为参数化多态引入了类型变量,使得类型参数化,从而完全支持类型上的抽象。然而对于现行的泛型算法,无论是C＋＋标准模版库中的泛型算法还是基于函数式程序设计语言的算法,函数功能的定义比较具体化、单一化,因而缺乏可扩展性和高度的复用性。将对递归算法进行抽象,构造原始递归构造子,使得一般的泛型算法都可以通过该算子来构造,从而加强泛型算法的可复用型与可扩展性。除此之外,分析了递归算法构造子与泛型程序设计中的iterator概念和用于描叙泛型概念的形式化语言Tecton中所提倡的reuse概念的一致性。也给出算法复杂度的定量分析,并用函数式语言ML来实现。     

递归算法的教学心得

递归算法的主要作用是把复杂问题分解为简单问题来求解。对于某些复杂问题(例如hanio塔问题),递归算法是一种自然且合乎逻辑的解决问题的方式,但是递归算法的执行效率通常比较差。因此,在求解某些问题时,常采用递归算法来分析问题,用非递归算法来求解问题;另外,有些程序设计语言不支持递归,这就需要把递归算法转换为非递归算法。     

四柱汉诺塔非递归算法实现

对于三柱汉诺塔的非递归算法,通过递归算法递归展开的满二叉树结构,可以找出其每层移动规律;通过研究发现,对于四柱汉诺塔的非递归算法,同样可以通过递归算法递归展开得到关于三柱汉诺塔为结点的一棵满二叉树,并发现其每层移动规律,实现四柱汉诺塔非递归算法。     

基于Chernoff上界的多类问题特征选择优化迭代算法

本文提出正态分布条件下面向不同分布的多类问题基于Chernoff上界的特征选择优化迭代算法.该算法由两重迭代组成首先在设定的原始空间和特征空间Chernoff参数s条件下,通过解矩阵方程的迭代算法求得变换矩阵的最优解;然后,在变换矩阵确定的特征空间中搜索最佳的参数s使错误概率上界最小;最后采用折半法修正设定的Chernoff参数s及其迭代步长.通过分析和实例可见基于Chernoff上界特征选择是面向不同分布的多类问题的最佳特征选择方法.     

Recursive identification for Hammerstein–Wiener systems with dead-zone input nonlinearity

A new recursive algorithm is proposed for the identification of a special form of Hammerstein–Wiener system with dead-zone nonlinearity input block. The direct motivation of this work is to implement on-line control strategies on this kind of system to produce adaptive control algorithms. With the parameterization model of the Hammerstein–Wiener system, a special form of model estimation error is defined; and then its approximate formula is given for the following derivation. Based on these, a recursive identification algorithm is established that aims at minimizing the sum of the squared parameter estimation errors. The conditions of uniform convergence are obtained from the property analysis of the proposed algorithm and an adaptive setting method for a weighted factor in the algorithm is given, which enhances the convergence of the proposed algorithm. This algorithm can also be used for the identification of the Hammerstein systems with dead-zone nonlinearity input block. Three simulation examples show the validity of this algorithm.     

递归收缩算法中支点的处理策略研究

为了确保生成无向图割集的递归收缩算法的正确性和稳定性,对算法中种子顶点是支点的情形进行了分析,并采取了新的处理策略。分析了支点具有一个非可吸簇的情形,引进附加吸入的概念,修正了种子顶点的BFSO值取值规则,解决了现有算法可能遗漏割集的问题。针对支点没有非可吸簇的情形,给出了一个新的处理策略,解决了现有算法在某些特殊输入条件下效率不高的问题,在理论上分析了新处理策略的有效性,并做了相应的实验比较,理论分析和实验比较均表明：新的处理策略采用提高了递归收缩算法的稳定性。     

递归算法的非递归化实现

由递归算法直接转换成相应的非递归算法能有效地提高程序的执行效率，本文列出了几类递归算法的非递归化实现方法，分别说明了这几类递归算法的特点及算法实例，并给出了相应的非递归算法。     

Sequential approximation of feasible parameter sets foridentification with set membership uncertainty

In this paper the problem of approximating the feasible parameter set for identification of a system in a set membership setting is considered. The system model is linear in the unknown parameters. A recursive procedure providing an approximation of the parameter set of interest through parallelotopes is presented, and an efficient algorithm is proposed. Its computational complexity is similar to that of the commonly used ellipsoidal approximation schemes. Numerical results are also reported on some simulation experiments conducted to assess the performance of the proposed algorithm     

全排列递归算法在算法教学中的重要性

全排列递归算法简洁,清晰,可读性强。针对该算法在递归算法的设计以及回溯法中的应用．讨论了全排列递归算法在算法教学中的重要作用。     

一种基于三角形递归切分的三维军标绘制方法

针对三维战场仿真环境中三维军标的实时绘制问题,利用Bezier曲线的任意可分性,提出了一种新的基于三角形递归切分的三维动态军标通用绘制方法.首先,通过设置军标控制点自动生成二维军标图形;然后,对二维军标模型进行三角形递归切分并动态控制递归算法调用次数;最后,对每个特征点赋予高程值,从而生成并显示三维动态军标图形.实验结果表明,该算法在不同地形条件下应用于多种基本的三维军标中都能保持良好的匹配速度和匹配效果.该方法在保证通用性前提下可以满足军标标绘系统的实时性需求.     

改进的递推主元分析及递推主元回归算法

为了加速模型在线更新的速度以更好地适应实际工业过程的动态变化,通过在已有递推主元分析(PCA)算法的基础上简化了自相关矩阵的递推公式,从而改进了基于秩1更新的递推PCA算法,把原来需要进行2次秩1更新的步骤简化为仅仅需要进行一次秩1更新,并在此基础上提出了递推主元回归算法。仿真结果表明,改进后的基于秩1更新的递推PCA算法比原来的基于秩1更新的递推PCA算法缩短了近一半的运算时间,而新的递推主元回归算法,不但能够适应工业过程的动态变化,并且比批处理的方式节约了存储空间与计算时间。