共查询到20条相似文献，搜索用时 109 毫秒
1.
利用再生核Hilbert空间H(Ka)[a,b]中一种插值函数,给出数值算例,并与其他方法相比较,表明该插值方法实用有效。 相似文献
2.
利用多维Neville算法实现基于转导思想的函数估计 总被引：1，自引：0，他引：1
根据转导思想的函数估计 ,不用估计函数的模型和参数 ,直接估计函数在给定点的值 ,从根本上区别于传统的函数估计方法 ,但具体的实现算法是一个公开的问题 .讨论使用多维Neville算法实现基于转导思想的函数估计的问题 .利用投影的方法 ,将传统的Neville算法推广到了多维空间 ,在数值计算中引入了核函数的思想 ,从而解决了多维空间的计算问题 ,得到利用多维的Neville算法实现函数估计的方法 .数值试验的结果表明 ,这种方法成功地克服了函数插值的龙格 (Runge)现象 ,有很好的逼近效果 ,并且可以处理多维的函数估计问题 ;同时也给出了对核函数参数进行估计这个难题的一些讨论 .该算法对转导思想的实现提供了一个崭新的途径 . 相似文献
3.
指数型整函数的逼近研究是信号分析领域的重要问题之一,利用样条作为逼近工具对各类函数进行重构是一种重要的逼近方法。本文利用带二阶导数的变形样条函数重构了指型整函数,得到了一致收敛的结果。 相似文献
4.
基于函数的最佳逼近理论,对同一函数f(χ)选取不同的逼近函数类,所得到的逼近效果各有不同.逼近函数类有:最佳平方逼近多项武、勒让德多项式、切比雪夫多项武、样条函数等等.对于一个具体函数而言确立适当的φ1使得逼近效果较好. 相似文献
5.
函数逼近的发展——神经网络 总被引：1，自引：0，他引：1
函数逼近是函数论的重要组成部分,其在数值计算中起着举足轻重的作用。通过生物神经网络来模拟函数的逼近,为函数逼近论的发展提供了一条新颖的发展思路。 相似文献
6.
本文基于一维函数最优恢复的思想,利用经典的积分离散化方法,以二维dirichlet核为主要逼近工具,对二维周期各向同性函数类进行了重构,得到了上界估计的最佳逼近阶。 相似文献
7.
基于MATLAB的BP神经网络的设计与训练 总被引：10，自引：0，他引：10
本文介绍了BP神经网络以及运用matlab工具箱构造BP神经网络,并对该神经网络进行训练的方法及过程.并以函数逼近为例,通过改变被逼近函数的参数、BP网络隐层神经元的数目、BP网络的学习算法,比较训练效果的差别,进而得出结论. 相似文献
8.
在介绍了径向基函数神经网络原理的基础上,应用该网络进行函数逼近的实现,并探讨散步常数的选取对逼近效果的影响. 相似文献
9.
针对极大极小(Min-Max)问题中极大值函数的不可微性,构造了一种针对极大值函数新的光滑逼近函数,并讨论了该逼近函数的若干性质,给出一种求解极大极小问题的具有大范围收敛性的算法,数值结果表明算法是有效的. 相似文献
10.
为寻求π(x)的表达式,我们已经有了连续函数逼近法,也即为素数定理。但由于函数类型的差异,这种逼近效果有其内在的缺陷。为此,本文来介绍与π(x)类型相同的P(x),并用P(x)去逼近π(x)的方法。 相似文献
11.
提出了用于有界动态随机系统的状态观测器设计方法.首先利用平方根B样条逼近系统的输出概率密度函数来构造残差,同时利用李亚普诺夫函数方法得到观测器增益的自适应调节规律,然后提出了新的对数B样条逼近模型并设计了新的自适应观测器,两个仿真例子表明了方法的有效性. 相似文献
12.
文章指出了BP神经网络存在的问题,选择了一个具体的目标函数,利用Matlab的神经网络工具箱进行系统仿真,通过改变系统的隐层神经元数目、训练函数和激励函数,分别比较了系统在模型发生改变后在实现函数逼近性能方面的差异,并提出了要使BP神经网络在函数逼近方面具有良好的性能,在隐层神经元数目、训练函数以及传递（激励）函数三个方面需要注意的问题。 相似文献
13.
《科技通报》2017,(3)
为获得Cauchy型奇异非线性方程的高精度数值解,提出利用数值逼近函数的方法来进行有效求解。首先,对Cauchy型含有复变量的非线性方程实现Cauchy奇异积分方程转换,利用方程式中具有特征算式的相关算子当作正则化算式,对奇异积分非线性方程实行正则化操作,从而消除Cauchy核奇异性;然后数值逼近非线性方程并利用Chebyshev多项式完成函数逼近,基于特定阶值奇异积分数值法定义Cauchy型奇异积分转换定理,最终通过定理的运用及固定阶值获得关于求解Cauchy奇异积分数值的公式,则完成非线性方程的高精度数值求解计算过程。仿真实验证明,文中提出的数值逼近函数法能够有效完成对Cauchy型奇异非线性方程的求解。 相似文献
14.
在FPGA硬件神经网络设计中激活函数的实现和数据表示方式是两个难点。本文提出了用非线性函数和21位定点法相结合来实现激活函数的逼近算法,采用源码定点表示法实现数据的硬件表示,明显减少了FPGA的资源占用,降低了激活函数逼近算法的复杂性和实现难度,最后,给出实际FPGA硬件神经网络设计实例并进行了仿真验证。 相似文献
15.
《中国科学院院刊》1990,(4):360-362
徐国民 男37岁 黑龙江人1977年毕业于黑龙江大学数学系,1981年在中科院研究生院获硕士学位,1985年在中科院计算中心获博士学位,1988年在比利时鲁文大学做客座教授两个月,现为计算中心副研究员,科技软件研究室副主任。主要从事函数逼近及数学软件方面的研究。在函数逼近方面,主要在有理 Hermite插值、pade逼近、矩阵Pade逼近等方面获得了问题的可解性、唯一性、收敛性、计算以及应用等结果。现负责“非线性逼近理论及应用”的研究课题。在数学软件方面,参加国家“六五”、“七五”科技攻关项目──数学软件库的研究与发展,主要研制了初等函数计算方案的自动生成系统以及任意精度运算系统,其中“数学软件库”曾获1986年中科院科技进步奖一等奖,国家科技进步奖三等奖。 相似文献
16.
17.
18.
19.
径向基函数（RBF）神经网络广泛应用于模式识别、非线性函数逼近等领域。通过对聚类、梯度、正交最小二乘三种RBF神经网络进行正弦函数逼近的仿真实验,从中比较分析这三种RBF神经网络。得到的对比分析结果表明：正交最小二乘的方式所需的训练时间最短,网络收敛速度最快,并且不需要预先定义隐层节点数。 相似文献