基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。     

一类二元非乘积型Meyer-knig-Zeller概率算子的饱和定理

借助二元抛物线引理,探讨一类二元非乘积型Meyer-knig and Zeller概率算子的饱和性,得到了一个点态饱和定理.     

非线性多变延迟奇异摄动问题的稳定性分析

讨论了形如x′(t) =f(x(t) ,x(t -τ1(t) ) ,… ,x(t -τm(t) ) ,y(t) ,y(t -τ1(t) ) ,… ,y(t-τm(t) ) )和εy′(t) =g(x(t) ,x(t -τ1(t) ) ,… ,x(t -τm(t) ) ,y(t) ,y(t -τ1(t) ) ,… ,y(t -τm(t) ) ) (0 <ε 1)的非线性多变延迟奇异摄动系统的理论解的稳定性 ,得到了系统稳定的一个充分条件 .在此条件下还证明了隐式Euler方法的数值解是稳定的 .     

概率神经网络在汽轮发电机组故障诊断中的应用

汽轮发电机组逐渐智能化,功能不断增强,但不确定性因素和不确定性信息仍然大量存在。针对该问题,用概率神经网络（PNN）诊断汽轮发电机组故障。PNN优点较多,机器学习算法简易、方便训练,相比于传统样本处理方法,PNN可训练样本并引入训练网络,更好地确保诊断结果正确率与可信度。MATLAB仿真结果表明,PNN在保证诊断结果准确的基础上,速度更快、分类性能大幅提高,诊断效率也提高至98%。     

伴有边界摄动非线性系统初值问题的奇摄动

研究伴有边界摄动非线性系统初值问题的奇摄动，在适当假设条件下，利用对角化技巧，通过逐步逼近，证明了解的渐进展开式的一致有效性。     

伴有边界摄动的三阶非线性系统Robin边值问题的奇摄动

本文研究伴有边界摄动的三阶非线性系统Robin问题的奇摄动。在适当的假定下，利用不动点定理，得到摄动问题解的存在性，并给出解的任意阶一致有效渐近展开式。     

科学逻辑的知识创新功能试析

从科学逻辑的角度看，科学知识创新是指科学知识的增长。归纳逻辑作为一种冒险的逻辑，其知识创新功能比演绎逻辑强。贝叶斯规则着力刻画了新证据在知识增长方面的作用，从而具有较强的知识创新功能。新培根主义归纳概率逻辑较好地满足了知识增长的要求，展示了科学知识创新的途径。要增强科学逻辑的知识创新功能，必须实现从单调逻辑向非单调逻辑的转变，从外延逻辑向非外延逻辑的转变，从形式逻辑向非形式逻辑的转变。     

含慢变量非线性系统边值问题奇摄动

本研究含慢变量非线性系统边值问题：x′=f(t,x,y,ε)x(1,ε)= α（ε）εy″=F（t，x，y，y′，ε），y（1,ε）=b(ε),y(0,ε=c(ε)当F（t,x,y,y′，ε)关于y′的Jacabi矩阵Fy′的特征值具有非零实部时，应用对角化技巧证明了摄动解的存在性，并给出了解的零阶近似。     

一类二阶奇摄动特征值问题

将带有边界条件的二阶非齐次线性方程的可解性条件应用到特征值问题上,得出了奇摄动问题的解的渐近表示式.     

广义G—空间中映象的不动点定理及应用

本文引入广义G—空间的概念,讨论这类空间中映象的不动点的存在性.作为应用,我们得到了概率度量空间中映象的一些不动点定理.本文所得结果,包含引文〔2,3,6〕的一些主要结果作为特例,并在更广泛的情形下回答了或部分地回答了Rhoades〔4〕所提出的问题.