简介:结合支持向量机和神经网络各自的优点,提出了一种新颖的自适应支持向量回归神经网络(SVR—NN).首先,利用支持向量回归方法确定SVR—NN的初始结构和初始化权值,基于支持向量自适应地构造SVR—NN神经网络的隐层节点;然后,使用退火过程的鲁棒学习算法更新网络节点参数和权值.为了验证所提出方法的有效性,给出了自适应SVR-NN应用于非线性动态系统辨识的实例.仿真结果表明,与以前的神经网络方法相比,基于SVR-NN网络的辨识方案能获得相当好的性能,它具有很快的收敛速度.因此,自适应的SVR—NN为非线性系统辨识提供了极有吸引力的新途径.
简介:立体几何中的角度是高考命题的热点之一.空间的角有两异面直线所成角、直线与平面所成角及平面与平面所成角,后者是重点也是立体几何中的一个难点.利用传统的方法求解立体几何中的角往往较繁琐,需做大量的定性说明论证.这是由于图形中辅助线的添加使图形变得复杂,找不出相应的角.高中数学新教材第二册(下B)引入了空间向量这一内容作为数学解题的有力工具.它可以将几何图形的性质转化为向量的运算,变抽象的逻辑推理为具体的数值运算.同时借助向量法使解题模式化,绕开了传统方法的大量繁琐的定性分析,使问题大大简化.因此用向量知识解决立体几何的求角问题.显得特别简捷。