孙中波
- 作品数：22 被引量：81H指数：4
- 供职机构：吉林大学更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金吉林省教育厅“十二五”科学技术研究项目更多>>
- 相关领域：理学自动化与计算机技术文化科学更多>>
- 不等式约束优化超线性收敛的信赖域-SQP算法被引量：3
- 2014年
- 本文讨论不等式约束优化问题,给出—个信赖域方法与SQP方法相结合的新算法.算法中的QP问题始终相容,并且QP问题产生的搜索方向始终为可行方向.采用高阶校正的方法来克服算法产生的Maratos效应现象.在适当的条件下,证明了算法的全局收敛性和超线性收敛性.数值结果表明算法是有效的.
- 孙中波段复建许春玲田彦涛
- 关键词：全局收敛性超线性收敛性
- 基于改进的 AlexNet 卷积神经网络的植物叶片识别被引量：13
- 2020年
- 针对多类植物叶片识别准确率和计算效率低问题,通过残差连接卷积层,构建了一种基于残差连接的Alexnet卷积神经网络。对卷积层的输入数据进行批归一化,进而加速网络的收敛速度。利用两种不同的全局池化算法既能减少特征图数目又能提高算法识别植物叶片的准确性和计算效率。对于不同种类植物叶片,实验验证残差连接的Alexnet卷积神经网络能够进行高效识别。
- 孙颖异李健时天孙中波
- 关键词：植物叶片卷积神经网络
- 基于新的步长搜索下的记忆梯度法收敛性分析被引量：3
- 2007年
- 根据最速下降算法、拟牛顿法、FR共轭梯度法、PRP共轭梯度法等,求解大规模无约束优化问题的有效算法、精确线搜索与Wolfe线搜索等的搜索条件,着重对计算更为有效的适合求解无约束优化问题的记忆梯度算法进行研究。基于Wolfe非精确线搜索提出一种新的步长搜索方法,对记忆梯度算法进行改进。最后证明改进的算法在较弱的条件下是全局收敛的。
- 范林段复建谭玲孙中波
- 关键词：无约束优化记忆梯度法全局收敛性
- 独立学院数学建模和数学实验课程教学改革初探被引量：4
- 2013年
- 本文对独立学院数学建模与数学实验课程教学中出现的问题进行分析,结合实际情况,提出符合独立学院数学建模课程和数学实验课程的改革方案。
- 孙中波姜淑珍高海音
- 关键词：数学建模数学实验教学改革
- 不等式约束优化的非单调可行信赖域-SQP算法被引量：4
- 2011年
- 本文讨论不等式约束优化问题,给出一个信赖域方法与SQP方法相结合的新的可行算法,算法中采用了"压缩技术",使得QP子问题产生的搜索方向尽可能为可行方向,并且采用了高阶校正的方法来克服算法产生的Maratos效应现象.在适当的条件下,证明了算法的全局收敛性和超线性收敛性.数值结果表明算法是有效的.
- 孙中波段复建
- 关键词：非单调线搜索信赖域算法SQP算法超线性收敛性
- 动态双足机器人的控制与优化研究进展被引量：35
- 2016年
- 对动态双足机器人的可控周期步态的稳定性、鲁棒性和优化控制策略的国内外研究现状与发展趋势进行了探讨.首先,介绍动态双足机器人的动力学数学模型,进一步,提出动态双足机器人运动步态和控制系统原理;其次,讨论动态双足机器人可控周期步态稳定性现有的研究方法,分析这些方法中存在的缺点与不足;再次,研究动态双足机器人的可控周期步态优化控制策略,阐明各种策略的优缺点;最后,给出动态双足机器人研究领域的难点问题和未来工作,展望动态双足机器人可控周期步态与鲁棒稳定性及其应用的研究思路.
- 田彦涛孙中波李宏扬王静
- 关键词：鲁棒稳定性
- 基于Cycle to Cycle反馈控制的数控凸轮磨削轮廓误差补偿控制方法
- 本发明涉及一种针对具有重复运动特性的被控系统跟踪误差的Cycle to Cycle反馈控制补偿方法，具体涉及基于Cycle to Cycle反馈控制的数控凸轮磨削轮廓误差补偿控制方法。以解决数控凸轮磨削传统控制方法存在的...
- 王静隋振田彦涛王勋龙卢辉遒孙中波
- 动态双足机器人有限时间稳定性分析与步态优化控制研究
- 动态双足机器人具有少控制自由度、低能耗的优点,可以实现拟人自然步态,通过微小的能量输入,将运动过程中的动能和势能合理转换成等效的驱动能量,实现动态双足机器人多工况、多任务的稳定周期运动。近年来,动态行走理论在双足机器人的...
- 孙中波
- 关键词：有限时间稳定性鲁棒稳定性
- 文献传递
- 一种无约束优化的非单调自适应锥模型信赖域算法
- 2013年
- 针对无约束优化问题,提出一种新的锥模型信赖域算法。该方法组合了线搜索技术、截断拟牛顿法和锥信赖域法。当试探步不被接受时,采用非单调线搜索原则产生下一次迭代点,无需重解锥信赖域子问题。在适当的条件下,证明算法的全局收敛性和超线性收敛性,数值结果表明算法是可行的和有效的。
- 段复建孙中波
- 关键词：超线性收敛非单调线搜索
- 一类充分下降的混合PRP-LS共轭梯度法
- 2012年
- 针对无约束优化问题,提出一类充分下降的混合共轭梯度法。该算法在每次迭代过程中均可得到充分下降的搜索方向。在适当条件下,证明了算法的全局收敛性和R-收敛速率。数值结果表明该算法是可行、有效的。
- 孙中波许春玲
- 关键词：混合共轭梯度法
