杨家稳
- 作品数：14 被引量：29H指数：4
- 供职机构：滁州职业技术学院更多>>
- 发文基金：安徽省高校省级自然科学研究项目安徽省高校省级重点教学研究项目安徽高校省级自然科学研究基金更多>>
- 相关领域：理学自动化与计算机技术文化科学更多>>
- 求矩阵方程AXB+CYD=E自反最佳逼近解的迭代算法被引量：2
- 2012年
- 利用复合最速下降法的迭代算法对基于自反矩阵(或反自反矩阵)下广义Sylvester矩阵方程AXB+CYD=E最佳逼近解进行了研究,证明了无论矩阵方程AXB+CYD=E是否相容,该算法都可以用于计算其最佳逼近解.最后,通过2个数值实验证明了该算法的可行性.
- 孙合明祁正萍杨家稳
- 关键词：KRONECKER积最佳逼近自反矩阵
- 矩阵方程AXB+CX^TD=E自反最佳逼近解的迭代算法被引量：1
- 2013年
- 为了求Sylvester矩阵方程AXB+CXTD=E自反(或反自反)的最佳逼近解,提出了一种利用复合最速下降法的迭代算法。不论矩阵方程AXB+CXTD=E是否相容,对于任给初始自反(或反自反)矩阵X0,此算法都可以计算出该方程自反(或反自反)的最佳逼近解X。最后,通过两个数值例子验证了算法的可行性。
- 杨家稳
- 关键词：KRONECKER积最佳逼近自反矩阵
- MD-AMNN在图像回忆中的最佳库向量
- 2010年
- 多维联想记忆神经网络可以回忆图像。在算法相同且库向量维数也相同的情况下,选取图像矩阵中两列跨度为图像矩阵列秩一半的向量作为库向量,回忆得到的图像最清晰、回忆时间最短,此库向量是最佳的。理论分析和计算机仿真都表明该结论是正确的。
- 杨家稳孙合明
- 矩阵方程A_1Z+ZB_1=C_1的广义自反最佳逼近解的迭代算法被引量：1
- 2014年
- 本文研究了Sylvester复矩阵方程A_1Z+ZB_1=c_1的广义自反最佳逼近解.利用复合最速下降法,提出了一种的迭代算法.不论矩阵方程A_1Z+ZB_1=C_1是否相容,对于任给初始广义自反矩阵Z_0,该算法都可以计算出其广义自反的最佳逼近解.最后,通过两个数值例子,验证了该算法的可行性.
- 杨家稳孙合明
- 关键词：KRONECKER积最佳逼近
- 矩阵方程AXB+CYD=E最佳逼近自反解的迭代算法被引量：4
- 2015年
- 利用复合最速下降法的迭代算法能够求出矩阵方程AXB+CYD=E的最佳逼近自反解,但其收敛速度很慢。针对这一问题,提出一种利用共轭方向法的迭代算法。对于任给初始自反矩阵X1和Y1,无论矩阵方程AXB+CYD=E是否相容,该算法都可以经过有限次迭代计算出其最佳逼近自反解。两个数值例子表明该算法是可行的,且收敛速度更快。
- 杨家稳孙合明
- 关键词：KRONECKER积最佳逼近自反矩阵共轭方向
- 矩阵方程AXB+CX^TD=E自反最佳逼近解的迭代算法被引量：1
- 2015年
- 本文研究了Sylvester矩阵方程AXB+CXTD=E自反(或反自反)最佳逼近解.利用所提出的共轭方向法的迭代算法,获得了一个结果:不论矩阵方程AXB+CXTD=E是否相容,对于任给初始自反(或反自反)矩阵X1,在有限迭代步内,该算法都能够计算出该矩阵方程的自反(或反自反)最佳逼近解.最后,三个数值例子验证了该算法是有效性的.
- 杨家稳孙合明
- 关键词：KRONECKER积共轭方向法最佳逼近解自反矩阵
- 一类解析函数的Fekete-Szeg不等式被引量：12
- 2012年
- 引入了一个新的解析函数类Bθ(λ,α,ρ),讨论了此函数类的Fekete-Szeg不等式,得到了准确的结果,推广了相关结果.
- 郭栋李宗涛杨家稳
- 关键词：解析函数从属
- 提高泛函网络泛化能力的一种t检验法被引量：1
- 2009年
- 目前泛函网络基函数的选取是根据人为经验,如果选取不当,网络的泛化能力就会受到很大影响。t检验理论表明t检验法能提高网络的泛化能力。计算机仿真也验证了:当基函数选取不当时,t检验法提高网络的泛化能力是有效的。同时在试验中采用类似二分法的处理方法,减少常规t检验法的计算量。
- 杨家稳
- 关键词：泛函网络基函数T检验泛化能力
- 基于多维联想记忆神经网络的图像回忆
- 2012年
- 多维联想记忆神经网络在高噪声情况下图像回忆效果差。针对该问题,将图像矩阵垂直分成4个同型小矩阵,依次将4个小矩阵垂向聚合成一个新矩阵,以新矩阵的列向量作为库向量。数值实验结果表明,相比2个列向量构成的库向量,以4个列向量构成的库向量进行回忆的灰度图像更清晰且效率更高。
- 杨家稳孙合明
- 关键词：神经网络图像矩阵
- 多维联想记忆神经网络在图像回忆中的应用被引量：1
- 2010年
- 多维联想记忆神经网络可以用来回忆灰度图像。投影算法是回忆算法中的一类。采用不规则凸多边形的笛卡儿积构成的凸集代替正多边形的笛卡儿积构成的凸集,前者比后者更紧凑。数值实例表明,应用前者回忆灰度图像要比应用后者回忆灰度图像得到的图像更清晰,回忆所花时间更短。
- 杨家稳孙合明钟青胡珊珊
- 关键词：灰度图像
