导读:本文包含了差值函数论文开题报告文献综述及选题提纲参考文献,主要关键词:GA凸函数,Hermite-Hadamard型不等式,估计
差值函数论文文献综述
曾志红,时统业[1](2018)在《关于GA凸函数差值估计的一个注记》一文中研究指出利用闭区间上任意点处函数值与端点处单侧导数的关系,给出由GA凸函数的Hermite-Hadamard型不等式的右边部分生成的差值的估计,改进了相关的结果.(本文来源于《高等数学研究》期刊2018年04期)
时统业[2](2016)在《由GA-凸函数的Hadamard型不等式生成的差值的估计》一文中研究指出考虑由GA-凸函数的Hadamard型不等式右端部分生成的差值,将这个差值表示为涉及导函数的积分,然后结合Grüss积分不等式、Hlder积分不等式以及凸函数的定义给出这个差值的估计.(本文来源于《高等数学研究》期刊2016年02期)
周家程,徐琰然,阮建苗[3](2014)在《强φ_h-凸函数的Hermite-Hadamard不等式的差值估计》一文中研究指出强φh-凸函数是强凸函数、φ-凸函数与h-凸函数的推广。文章主要考虑了强φh-凸函数下的Hermite-Hadamard不等式的差值估计,推广了已知的结果。(本文来源于《浙江外国语学院学报》期刊2014年05期)
时庆峰,冯进良,衣文索,石诺,姚智慧[4](2013)在《一种基于方形函数的邻域灰度差值边缘提取方法》一文中研究指出根据数字图像处理中现有边缘检测算子,对连续边缘的检测及抵抗噪声的能力问题,提出一种基于方形函数的测算法。首先将目标图像划分成方形的采样网格;然后确定检测的起始点位置,利用图像边缘处内外灰度差值最大原理判定该方形区域边缘所在的切线位置;最后通过多个区域的并集取得图形边缘。实验证明通过该算法可以提取出较为完整的边缘,抗噪能力也优于以往的边缘检测方法。(本文来源于《长春理工大学学报(自然科学版)》期刊2013年05期)
买应霞,陈士伟,李席斌[5](2013)在《异或加整体逼近模2~n加差值函数的和概率分布》一文中研究指出为求解密码算法中异或加整体逼近模2n加运算所得差值函数之和的概率分布问题,利用概率分布的定义,通过直接统计满足条件变量的计数,给出2个差值函数之和的概率分布,并进一步提出2个差值函数之和的概率平方和计算公式,将其计算复杂度由O(24n)降为O(1)。(本文来源于《计算机工程》期刊2013年04期)
白宇[6](2011)在《基于差值灰色径向基函数神经网络的瓦斯涌出量预测》一文中研究指出瓦斯爆炸、煤与瓦斯突出和瓦斯窒息是困扰我国煤矿企业安全生产的重大灾害事故,瓦斯浓度超限则是导致瓦斯灾难事故发生的直接原因,因此,煤矿瓦斯的预测精度的高低对煤矿企业的安全起着至关重要的作用。众所周知,瓦斯涌出量受地质条件、煤层赋存状态、煤和围岩瓦斯含量、开采规模、开采工艺、矿井结构等众多复杂因素的影响,并且这些因素之间呈现高度的非线性,而近年来迅速发展起来的神经网络具有较高的非线性映射和并行处理能力,特别像BP神经网络,径向基函数神经网络等等,这些方法无疑都非常适合瓦斯涌出量的建模。但是,神经网络样本数据的随机性对神经网络的精度有着直接的影响。由于噪声的存在,瓦斯涌出量的历史数据一般呈现离乱的状态,这正好符合灰色理论,可以用来解决神经网络样本数据随机性的问题。同时又考虑到径向基函数神经网络比BP神经网络在瓦斯涌出量预测上有优势以及径向基函数神经网络训练简洁,收敛速度快,能无限逼近任意形式的函数的特点,所以将灰色理论和径向基函数神经网络结合起来。灰色径向基函数神经网络模型的预测精度主要受两个因素影响,一个是灰色理论和径向基函数神经网络的结合方法,另一个是所选择的灰色模型和径向基函数神经网络模型各自本身的预测性能。从这两点出发,本文提出了差值灰色径向基函数神经网络模型,并主要做了以下几个方面的工作:(1)在灰色理论和径向基函数神经网络的结合方法上,本文依据灰色理论弱化样本随机性的优点和径向基函数神经网络训练简洁,收敛速度快,能无限逼近任意形式的函数的特点,提出了一种较为有效的差值结合方法,在一定程度上提高了预测精度。(2)考虑到近些年来,在瓦斯预测领域,虽然不少研究人员将灰色理论和神经网络结合起来,方法各有不同,并在一定程度上确实提高了瓦斯预测精度,但多数仅仅是将两者的传统模型结合,将两者其中之一或两者都改进后再结合的较少,特别是将两者都改进后再结合的更少,这也正是灰色神经网络混合模型的瓶颈之一。而以往的研究人员对灰色理论和径向基函数神经网络有比较好的改进,所以,将改进的灰色GM(1,1)模型和改进的径向基函数神经网络模型引入进来,用(1)中提到的差值结合法将两个改进模型结合起来,建立了差值灰色径向基函数神经网络模型,以便使模型能够从更大程度上提高预测精度。因此,在灰色模型和径向基函数神经网络模型各自本身的预测性能上,本文选择了两个改进了的具有良好预测性能的模型。(3)考虑到MATLAB强大的数据处理功能,方便好用的神经网络工具箱函数以及良好的可视化环境,编写代码分别对径向基函数神经网络模型,灰色径向基函数神经网络模型以及差值灰色径向基函数神经网络模型进行了仿真实验,实验结果表明,这叁个模型的精度依次提高,差值灰色径向基函数神经网络模型的相对误差也控制在一个较为理想的范围之内,说明,本文所提出的差值灰色径向基函数神经网络模型在预测精度上有了一定的提高,达到了较为理想的效果。(本文来源于《太原理工大学》期刊2011-05-01)
郑小龙,叶红玲,隋允康,宇慧平[7](2010)在《最大差值极小化的响应面函数拟合方法》一文中研究指出为了满足实际工程问题中响应函数与样本值最大距离极小化的需求,本文提出一种新的响应面函数的拟合方法。该方法将样本点的响应面函数拟合问题转换为求解一类线性规划问题。建立数学模型,采用数值方法拟合出一次和二次响应面函数的表达式。通过多个数值算例,与K-S函数法实现最大差值极小化拟合的响应面函数结果以及最小二乘法拟合响应面结果进行比较,本文方法均得到较小的最大离差值,结果表明该方法的可行性和有效性,丰富了响应面的构造方法。(本文来源于《科技导报》期刊2010年17期)
宇慧平,隋允康,丁力,叶红玲[8](2010)在《最大离差值极小响应面及按Kreisselmerier-Steinhauser函数的拟合》一文中研究指出现有的响应曲面是按最小二乘法实现的。提出一种响应面拟合方法:使响应面函数同样本值之间的最大距离极小。该方法运用Kreisselmerier-Steinhauser函数的特性,建立数学模型,采用求导、泰勒展开、数值迭代等方法确定响应面函数的系数。在数值迭代过程中以最小二乘法获得的结果作为迭代初值。通过一系列算例得出,Kreisselmerier-Steinhauser函数法获得的响应面函数能够达到最大距离最小的目的;该方法获得的响应面函数与最小二乘法拟合的响应面函数相比,在与样本值差的均方根相对增加不大的情况下,能显着减少最大距离;采用变熵参数方法能获得更好的解。本途径不仅丰富了响应面的构造方法,而且可满足实际工程问题中希望响应函数与样本值最大距离极小化的需求。(本文来源于《科技导报》期刊2010年01期)
郑小龙,叶红玲,隋允康[9](2010)在《最大差值最小化方法拟合响应面函数的软件开发》一文中研究指出对样本点的响应面拟合问题,通过最大差值最小化方法将其最终转化为求解线性规划问题,但是人工转化以及向程序人工输入数据进行计算相当的费时费力,本文介绍这样一个只需用户输入样本点就可以得到拟合函数的软件。(本文来源于《北京力学会第十六届学术年会论文集》期刊2010-01-10)
郑小龙,叶红玲,隋允康[10](2010)在《最大差值最小化方法拟合响应面函数》一文中研究指出对样本点响应面函数的拟合问题,本文利用最大差值最小化方法进行了转化,最终转化为求解线性规划问题,通过程序计算得到拟合函数,具有较好的精度。(本文来源于《北京力学会第十六届学术年会论文集》期刊2010-01-10)
差值函数论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
考虑由GA-凸函数的Hadamard型不等式右端部分生成的差值,将这个差值表示为涉及导函数的积分,然后结合Grüss积分不等式、Hlder积分不等式以及凸函数的定义给出这个差值的估计.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
差值函数论文参考文献
[1].曾志红,时统业.关于GA凸函数差值估计的一个注记[J].高等数学研究.2018
[2].时统业.由GA-凸函数的Hadamard型不等式生成的差值的估计[J].高等数学研究.2016
[3].周家程,徐琰然,阮建苗.强φ_h-凸函数的Hermite-Hadamard不等式的差值估计[J].浙江外国语学院学报.2014
[4].时庆峰,冯进良,衣文索,石诺,姚智慧.一种基于方形函数的邻域灰度差值边缘提取方法[J].长春理工大学学报(自然科学版).2013
[5].买应霞,陈士伟,李席斌.异或加整体逼近模2~n加差值函数的和概率分布[J].计算机工程.2013
[6].白宇.基于差值灰色径向基函数神经网络的瓦斯涌出量预测[D].太原理工大学.2011
[7].郑小龙,叶红玲,隋允康,宇慧平.最大差值极小化的响应面函数拟合方法[J].科技导报.2010
[8].宇慧平,隋允康,丁力,叶红玲.最大离差值极小响应面及按Kreisselmerier-Steinhauser函数的拟合[J].科技导报.2010
[9].郑小龙,叶红玲,隋允康.最大差值最小化方法拟合响应面函数的软件开发[C].北京力学会第十六届学术年会论文集.2010
[10].郑小龙,叶红玲,隋允康.最大差值最小化方法拟合响应面函数[C].北京力学会第十六届学术年会论文集.2010
标签:GA凸函数; Hermite-Hadamard型不等式; 估计;