有效集
有效集的相关文献在1991年到2022年内共计81篇,主要集中在财政、金融、自动化技术、计算机技术、数学
等领域,其中期刊论文68篇、专利文献108793篇;相关期刊64种,包括领导决策信息、消费导刊、新财富等;
有效集的相关文献由145位作者贡献,包括丁晓剑、冯雅、司鹏飞等。
有效集—发文量
专利文献>
论文:108793篇
占比:99.94%
总计:108861篇
有效集
-研究学者
- 丁晓剑
- 冯雅
- 司鹏飞
- 戎向阳
- 石利军
- 赵银亮
- 孙莉
- S·蒋
- 任芳
- 刘三阳
- 刘希臣
- 刘昊
- 孙芊
- 张卫国
- 李烨
- 杨丹
- 柴旭峥
- 王睿智
- 聂赞坎
- 舒圣祥
- 董雷
- 贺国平
- 赵健
- 赵禹骅
- 陈克东
- 马建伟
- J·弗雷
- R·奎因
- S·迪卡拉诺
- 丁晓枫
- 乐清辉
- 于敏
- 于瑞林
- 云衍
- 何朝林
- 何祥文
- 倪林
- 傅万涛
- 冯英浚
- 刘向民
- 刘国庆
- 刘学德
- 刘玉萍
- 刘纯浩
- 刘鑫
- 原永芹
- 叶耀华
- 吕刚
- 吴昊
- 吴春华
-
-
李贵勇;
李思远;
于敏
-
-
摘要:
大规模多输入多输出(multi-input multi-output,MIMO)系统中,随着天线数量的增多,现有传统信号检测算法在高阶调制时不能很好地平衡系统的检测性能和算法复杂度。为了解决以上问题,基于二次规划(quadratic programming,QP)检测器应用了有效集法和具有可变二分法的深度优先分支定界算法,提出了一种适用于大规模MIMO高阶调制系统的低复杂度检测算法,并提出了一种修剪策略和引入了近似因子,改善了系统性能,在复杂度和性能之间进行了更好地折中。复杂度分析表明,所提出算法复杂度比QP算法和二阶QP算法高,但比传统分支定界算法要低。仿真分析结果表明,在收发天线均为32的大规模MIMO场景下;在256QAM调制、误码率(bit error ratio,BER)为10-4时,比传统分支定界算法提升了约3 dB的性能增益,验证了算法对高阶调制的适应性。
-
-
时闪闪;
宇振盛
-
-
摘要:
对带多面体约束的非光滑复合函数问题的求解进行了研究。针对非光滑复合函数问题,首先,构造光滑函数来逼近非光滑目标函数,通过求解光滑近似问题来达到求解原问题的目的。在此基础上,考虑多面体约束的特殊结构,运用序列二次规划算法的思想,利用有效集策略,通过逐次求解一系列仅含等式约束的二次规划问题来逼近搜索方向的最优解,再通过线搜索求得步长,进而得到下一步的迭代点。最后,从理论上证明了算法的全局收敛性,并进行了初步的数值实验。将该算法与光滑序列投影收缩算法作对比,结果表明,该算法在迭代次数和计算时间上都有一定的优势。
-
-
-
-
胡元元1
-
-
摘要:
一年级儿童注意力不稳定、不集中,容易被不相干的事物吸引而分散,只有在教师恰当的调控和指引下,他们的注意力才能有效集中,《橘子的认识》一课中,章老师很好地做到了这一点。
-
-
朱君慧;
高木弥佳;
吴春华;
荒川明子
-
-
摘要:
日建设计的优势在于可以有效集结建筑、城市和环境等多领域的专家,从多专业视觉进行提案,不断追求走在时代前沿的建筑设计。针对每个项目建立由建筑师、规划师以及工程师等组成的专业团队,结合实际条件发挥各自的专业知识和经验,向客户提供具有创新性的最佳方案。
-
-
张润泽;
林飞;
杨中平;
曹虎;
刘玉萍
-
-
摘要:
中国高速铁路交直交机车采用脉宽调制(PWM)技术,该技术造成谐波分布较为广泛,可能导致车网谐振现象,影响牵引供电系统的正常工作,该文针对车网谐振现象进行了研究并提出了可行的谐振抑制策略.首先分析了谐振机理,进一步引入特定谐波消除技术(SHE-PWM),消除注入牵引网的固有谐振频率的谐波来抑制谐振.由于多开关角的SHE-PWM构成的多元超越方程求解困难,采用有效集二次寻优的方式,进行超越方程求解.该算法具有初值依赖度低,收敛速度快,求解精度高的优势.最终通过RT-l a b硬件在环实验分析验证了该谐振抑制算法的可行性以及方程算法的准确性.
-
-
-
张伟;
许爱强;
高明哲
-
-
摘要:
为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法.针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法.通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典.针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新.通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%.%In order to achieve the online condition prediction for avionic devices,a sparse kernel incremental extreme learning machine (ELM) algorithm is presented.For the problem of Gram matrix expansion in kernel online learning algorithms,a novel sparsification rule is presented by measuring the instantaneous learnable information contained on a data sample for dictionary selection.The proposed sparsification method combines the constructive strategy and the pruning strategy in two stages.By minimizing the redundancy of dictionary in the constructive phase and maximizing the instantaneous conditional self-information of dictionary atoms in the pruning phase,a compact dictionary with predefined size can be selected adaptively.For the kernel weight updating of kernel based incremental ELM,an imnproved decremental learning algorithm is proposed by using matrix elementary transformation and block matrix inversion formula,which effectively moderate the computational complexity at each iteration.In proposed algorithm,the inverse matrix of Gram matrix of the other samples can be directly updated after one sample is deleted from previous dictionary.The experimental results of the aero-engine condition prediction show that the proposed method can make the whole average error rate reduce to 2.18% when the prediction step is equal to 20.Compared with three well-known kernel ELM online learning algorithms,the prediction accuracy is improved by 0.72%,0.14% and 0.13% respectively.
-