摘要：利用Lyapunov函数并结合不等式的技巧,给出了一些充分判据来确保一类脉冲神经网络系统具有全局指数稳定性的周期解.给出的充分判据仅仅要求激励函数是李普希兹连续的,而对它的有界性、单调性及可微性都不再要求.这些充分判据在实际应用中非常容易验证,也可利用这些判据来设计全局指数周期的脉冲神经网络.

摘要：本文研究了用Ｌｕｒ’ｅ 多非线性系统描述的被控对象的镇定问题．把问题的可解性归结到特殊的多线性矩阵不等式的可解性．非线性状态反馈和输出反馈控制器的设计分别依赖于一个双线性和三个三线性矩阵不等式的解．

摘要：分析了Cohen-Grossberg神经网络的指数稳定性(局部指数稳定和全局指数稳定).给出了基于矩阵测度的判定Cohen-Grossberg神经网络的指数稳定的充分条件.并且对于局部指数稳定的平衡点,给出了其吸引域的估计;对于全局指数稳定的平衡点,给出了其指数收敛的速率.该结果可以用于神经网络容错能力的估计以及其指数收敛速率的估计,因此在设计Cohen-Grossberg神经网络中具有很重要的现实意义.

摘要：利用Lyapunov函数方法克服“相空间”与“事件空间”之间的不一致,以考虑时滞切换系统稳定性的分析与综合.其一,对将多Lyapunov函数方法推广至时滞情形,由此给出子系统稳定性准则及切换序列的约束条件,使整个系统是指数稳定的.其二,对于不稳定的时滞子系统,提出了保证观测误差在任意切换作用下指数衰减的观测器设计方法,并构造出基于估计状态的切换序列,使状态变量指数收敛.

摘要：为实现非正规正交设计的最优选择,提出了一种基于矩阵象的广义分辨度指标.首先,定义了高阶交互作用之间的混杂度量值,其计算不依赖于水平数的选取,不仅适用于等水平正交设计,还适用于混合水平正交设计;然后,替换广义方差分析模型中的混杂度量值,得到了一个非正规正交设计的广义分辨度指标,满足水平置换不变性.实例分析结果表明,所提的广义分辨度对非正规正交设计具有较好的区分能力,可实现对非正规正交设计的排序和最优选择.由不同水平上因子的投影频数分布可知,该广义分辨度能够反映出设计点在整个空间中的均匀性,从而建立了广义分辨度准则和均匀性的联系.

摘要：本文利用迭合度理论,通过构造适当的Lyapunov泛函并结合Yang不等式分析技巧,获得了具周期系数的时滞BAM神经网络周期解的存在性和全局指数稳定性的充分条件,这些结果对设计全局指数稳定的BAM神经网络与周期振荡的BAM神经网络具有重要的指导意义.

摘要：文章在渐进Minimax风险意义下研究多元回归系数的线性Minimax估计相对于多元岭估计的优良性。计算一定条件下多元岭回归估计相对于多元线性Minimax估计的渐近风险率,依此来度量两类估计的相差程度。研究发现多元线性minmax估计优于多元岭估计,当设计阵呈良态时,多元线性minmax估计具有显著的优良性;设计阵病态程度越严重时,多元岭估计变得越来越好,二者相差程度越来越接近。

摘要：全局敏感性指标在全局敏感性分析中占有重要的地位,Wang等(2012)证明了正交设计在估计参数βM时具有A最优,本文论证了正交设计在估计参数时的一些其他最优性质,包括估计参数βM的E最优和估计参数θM的一致最优性.在模拟论证中,我们提出了用随机化正交表来替代一般的正交表,并得到了较好的性质,如减少了偏差并且提高了精度.

摘要：在生长曲线模型中将设计阵的奇异值分解与普通的岭估计相结合,针对设计阵A与C至少有一个病态时的情况提出生长曲线模型中基于奇异值分解的岭估计.比较其在均方误差,均方误差矩阵,及PC准则下相对于最小二乘估计的优良性.证明其容许性并利用Hemmerle和Brantle用于确定广义岭估计参数的方法给出极小化均方误差的无偏估计法选取岭参数.

摘要：为提高服务提供商的服务被选率,将优化逆问题应用到Web服务选择领域,提出了Web服务选择优化逆问题,描述了此问题的解决步骤,比较了割平面法和Huang法的优劣,给出了改进方法.为提高Web服务选择优化的求解效率和优度,基于Web服务选择优化逆问题,设计出Web服务选择优化算法——逆选择算法,为服务请求者提供最优或近似最优选择方案.实验结果表明:Web服务选择优化逆问题的解可有效提高服务被选率;逆选择算法可有效提高选择方案的求解效率和优度.