简介:使用新的分析技巧,研究了一般赋范线性空间中的一类非自映象的Ishikawa迭代过程的收敛性问题.
简介:研究了BP神经网络的收敛问题。基于随机理论,提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答,而且收敛速度很快。
简介:在新的控制条件下,证明了二次型极小化问题的迭代算法的有效性,所得结果改进了徐洪坤关于二次型优化的最新结果.
简介:证明了二次型极小化问题带误差的迭代算法的有效性,所得结果推广了关于二次型极小化问题迭代的收敛性.
简介:针对图像恢复时采用共轭梯度(CG)算法的盲目反卷积(IBD)算法不能很好收敛的问题,提出了一种改进共轭梯度法迭代循环条件的方法,有效地改进了盲目反卷积算法的收敛性,同时也减小了算法的计算量.
简介:给出了Hilbert空间中拟非扩张映像族公共不动点的一个杂交投影算法,使用修正的杂交投影迭代算法,证明了一个强收敛定理,扩展了文献的结果。
简介:研究了严格凸Banach空间中非空间凸子集上拟非扩展映象的不动点的迭代逼近问题,主要证明了:设E是严格凸Banach空间,K为E的闭凸子集,T:K→K为连续拟非扩展映象.进一步假设T(K)包含于K的一个紧子集之中,迭代地定义序列{xn}∞n=1如下:(IS)yn=(1-βn)xn+βnTxn,n≥1,xn+1=(1-αn)xn+αnTyn,n≥1,其中{αn}和{βn}满足一定的条件,则{xn}强收敛于T的某个不动点.
一类非自映象的Ishikawa迭代过程的收敛定理
BP神经网络的收敛问题
二次型极小化问题的迭代算法
二次型极小化问题带误差的迭代算法
一种改进盲目反卷积算法收敛性的方法
Hilbert空间中拟非扩张映像族公共不动点的迭代算法
Banach空间中拟非扩展映象的不动点的迭代逼近