Knowledge Management System of Hefei Institute of Physical Science,CAS
基于神经网络的递推分块该方法求任意高阶多项式的根 | |
黄德双1; 池哲儒2 | |
2003 | |
发表期刊 | 中国科学. E辑, 技术科学 |
ISSN | 1006-9275 |
摘要 | 提出一种新的基于约束学习视经网络的递推分块该法,来分批(块)求解任意高阶多荐式的任意数(小于多荐式的阶)个根(包括复根),同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法,提出了对应的学习参数的自适应选择方法,实验结果表明,这种分块神经求根方法,相对传统方法,能够快速有效地获得任意高阶多项式对应的根。 |
关键词 | 递推分块方法 BP网络 约束学习算法 Laguerre法 Muller法 Jenkins-Traub法 自适应参数选择 高阶任意多项式 实或复根 |
收录类别 | CSCD |
语种 | 中文 |
CSCD记录号 | CSCD:1241087 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.hfcas.ac.cn:8080/handle/334002/94403 |
专题 | 中国科学院合肥物质科学研究院 |
作者单位 | 1.中国科学院合肥智能机械研究所 2.香港理工大学电子资讯工程系 |
推荐引用方式 GB/T 7714 | 黄德双,池哲儒. 基于神经网络的递推分块该方法求任意高阶多项式的根[J]. 中国科学. E辑, 技术科学,2003,33. |
APA | 黄德双,&池哲儒.(2003).基于神经网络的递推分块该方法求任意高阶多项式的根.中国科学. E辑, 技术科学,33. |
MLA | 黄德双,et al."基于神经网络的递推分块该方法求任意高阶多项式的根".中国科学. E辑, 技术科学 33(2003). |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[黄德双]的文章 |
[池哲儒]的文章 |
百度学术 |
百度学术中相似的文章 |
[黄德双]的文章 |
[池哲儒]的文章 |
必应学术 |
必应学术中相似的文章 |
[黄德双]的文章 |
[池哲儒]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论