M／M／1排队系统嵌入Markov链瞬态解的格路径算法

在定义了生灭过程状态转移的单格与升降格和降升格的基础上,证明了M／M／1排队系统{X（t）t≥0}的嵌入Markov链{X（n）,l≥0}的转移概率弱收敛于系统的瞬态解,并利用随机游动的格路径算法求出了该链的转移概率P（i,j,n）的显式算法表达式,从而达到确定M／M／1排队系统{x（t）f≥0}瞬态解的转移概率的目的．     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理，建立评估路面状况指数PCI的模型。通过平整度和路面破损率数据的学习，预测了路面破埙指标PCI，并把神经网络模型和回归模型进行了比较，证明了神经网络模型在路面使用性能评估中有更好的应用前景。     

正紧算子刻划Banach格l_1

本文证明了Banach格E的一个正规化基{x_n}是格等价于l_1的自然基{e_n}的充要条件是每一Banach格F到E内的正紧算子T都有形如 Tx=∑x_n的表达式,其中∑a_n是F’中w~*-无条件收敛级数,且a_n≥0。一些相关的结果也略加讨论。     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法，它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用，但存在收敛较慢问题．笔者在文中简述了BP算法原理，针对BP算法的收敛性问题，提出了几点改进措施。     

一个随机环境下的NLAR模型的极限行为

一个非线性门限自回归模型的变形Xn＋1=Φ（Xn）＋εn＋1（Zn＋1）被讨论．在这个新的模型中,{Zn}是一个有限状态的马尔可夫链,对这个马尔可夫链的每一个状态i,有一个独立同分布的随机变量的序列{εn（i）}与之对应,而εn（Zn）=∑εn（i）I｜i｜（Zn）．在这篇文章中,讨论了由这个模型确定的序列{Xn}的极限行为．一个关于这个序列在某种意义下以几何速率收敛的充分条件被建立．     

蛋白质结构预测二维连续模型研究

利用模拟退火算法解NP完全问题的有效性，对新近提出的蛋白质结构预测问题的二维连续模型作了另解，并基于平面表达的清晰与美观将原模型作了相应的修改．最后，比较了模拟退火算法与原拟物算法的优劣，指出了另解具有的几个优点：去掉了物理背景，只作为一个纯数学问题来求解，有利于在计算机上实现；模拟退火算法收敛速度更快且精度更高。     

改进的神经网络PID算法及在温度控制中的应用

PID控制器的一个重要问题就是如何有效地实现PID模型中比例、积分、微分参数的自适应整定.文中分析了神经网络算法中迭代收敛慢的特点,提出了在多个方向上搜索BP神经网络隐层和输出层权值的增量,寻求最佳的收敛路径.设计了基于ProcessLogix系统特点的天然气制冷温度控制系统结构,并成功地应用于武钢某制冷站综合控制系统中.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

一个关于二次规划问题信赖域中可行下降算法

采用变量消去法化二次规划问题，使用一个基于信赖域子问题的内点算法来获得其可行下降方向，提出了关于二次规划问题信赖域中可行下降的新算法，证明了算法具有全局收敛性．计算实例表明，新算法具有很高的收敛速度．