作者：喻昕; 胡悦; 马崇; 伍灵贞; 汪炎林递归神经网络非光滑伪凸优化收敛性
摘要：针对目标函数为非光滑伪凸函数且带有等式约束和不等式约束的优化问题,基于罚函数以及微分包含的思想,构建一个层次仅为一层且不包含惩罚算子的新型递归神经网络模型.该模型不用提前计算惩罚参数,能够很好地收敛.理论证明全局解存在,模型的状态解能够在有限的时间内进到原目标函数的可行域并不再离开,其状态解最终收敛到目标函数的一个最优解.仿真实验证实了理论结果的可行性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《计算机应用与软件》（CN：31-1260/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《计算机应用与软件》主要面向从事计算机应用和软件技术开发的科研人员、工程技术人员、各大专院校师生等。致力于创办以创新、准确、实用为特色，突出综述性、科学性、实用性，及时报道国内外计算机技术在科研、教学、应用方面的研究成果和发展动态的综合性技术期刊，为国内计算机同行提供学术交流的平台。
部级期刊
人气 230965 评论 65
人气 216790 评论 35
省级期刊
人气 214071 评论 71
北大期刊、统计源期刊
人气 193654 评论 73
