搜索到369篇“ 估计式“的相关文章
- 基于变分自编码器的分布估计式黑盒优化方法研究
- 随着科学和技术的发展,例如水泥配方优化和蛋白质设计等黑盒优化问题日益引起关注。传统的分布估计式优化算法(Estimation of Distribution Algorithms,EDAs)虽然通过概率分布模型逐渐估计问...
- 张波
- 非负矩阵Hadamard 积谱半径上界的新估计式
- 2024年
- 研究了非负矩阵的谱半径,以矩阵的Geršgorin圆盘定理和Brauer卵形定理为基础,利用矩阵乘积与Hadamard积之间的双重运算结构及分配特性、相似矩阵特征值不变性得到了新的非负矩阵Hadamard积的谱半径上界的估计式。通过分析和比较探讨了基于圆盘形和卵形特征值包含集的新估计式之间的关系,并通过数值实验验证了新估计式的有效性和优越性。
- 陈子墨
- 关键词:非负矩阵HADAMARD积谱半径
- 非负矩阵谱半径的新估计式及其应用
- 武荣荣
- 严格对角占优M-矩阵逆的无穷上界的新估计式
- 2023年
- 基于严格对角占优M-矩阵和它的逆矩阵元素的关系,定义一组新的参数,结合不等式性质,得到了严格对角占优M-矩阵逆矩阵无穷范数上界的一个新估计式。理论分析证明新估计式优于现有文献的有关结果,数值例子亦表明新估计式具有可行性和有效性。
- 陈胜男莫宏敏罗雨薇
- 关键词:对角占优矩阵M-矩阵上界
- 探讨解析函数的高阶导数估计式
- 2022年
- 复分析的核心理论是解析函数论。解析函数有其很好的性质,在物理学、机械、力学等方面有广泛的应用。本文深入探讨有界解析函数的导数估计式。运用有界解析函数的系数不等式和最大模原理对之前已有的有界解析函数的三阶、四阶导数估计式进行推广,得到比之前结论更精确的表达式,进而得到较以往不同的n阶导数估计式。使得有界解析函数的导数估计问题从理论上得到升华。
- 李晓焱
- 关键词:解析函数导数估计
- B-矩阵线性互补问题解的误差界的新估计式
- 2022年
- 利用严格对角占优M-矩阵逆矩阵的无穷大范数范围,综合运用不等式放缩技巧,得到了B-矩阵线性互补问题解的误差界的一个新估计式。理论证明新估计式改进了现有文献的有关结果,数值例子说明了新估计式的可行性和有效性。
- 李玲玲莫宏敏李慧君
- 关键词:误差界估计式
- B-矩阵线性互补问题误差界的新估计式
- 2022年
- 给出了严格对角占优M-矩阵及逆矩阵之间元素的关系式,得到了严格对角占优M-矩阵的逆矩阵的无穷大范数的新上界,结合新界和不等式放缩技巧得到B-矩阵线性互补问题误差界的新估计式,改进了已有的结果.同时,理论证明及数值算例表明了新估计式的有效性.
- 赵英霞王峰
- 关键词:线性互补问题误差界M-矩阵
- B-矩阵线性互补问题解的误差界新估计式被引量:1
- 2022年
- 根据P-矩阵的子类B-矩阵的定义和性质,利用严格对角占优M-矩阵的逆的无穷大范数的上界估计式和不等式的放缩技巧,得到了B-矩阵线性互补问题解的误差界新估计式.理论分析和数值例子说明,新估计式改进了现有文献的相关结果.
- 周翠玲莫宏敏
- 关键词:误差界线性互补问题
- B^(S)⁃矩阵线性互补问题解的误差界的一个新估计式
- 2022年
- 根据严格对角占优M⁃矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,得到了B^(S)⁃矩阵线性互补问题解的误差界的一个新估计式.理论分析和数值算例验证了新估计式的有效性.
- 周翠玲莫宏敏
- 关键词:误差界线性互补问题
- B^(S)-矩阵线性互补问题误差界的一个新估计式被引量:1
- 2021年
- 根据B^(S)-矩阵的特殊结构和性质,利用严格对角占优M-矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,改进了B^(S)-矩阵线性互补问题的误差界估计式.理论分析和数值算例均验证了新估计式的有效性.
- 周翠玲莫宏敏
- 关键词:误差界线性互补问题估计式
相关作者
- 李艳艳

- 作品数:122被引量:174H指数:6
- 供职机构:文山学院
- 研究主题:最小特征值 HADAMARD积 M-矩阵 上界 M矩阵
- 张树义

- 作品数:153被引量:172H指数:17
- 供职机构:渤海大学数理学院
- 研究主题:公共不动点 不动点 中间点 迭代逼近 公共不动点定理
- 莫宏敏

- 作品数:56被引量:55H指数:4
- 供职机构:吉首大学数学与统计学院
- 研究主题:线性互补问题 误差界 矩阵 估计式 非奇异H-矩阵
- 周平

- 作品数:39被引量:56H指数:5
- 供职机构:文山学院
- 研究主题:最小特征值 M-矩阵 HADAMARD积 下界 估计式
- 蒋建新

- 作品数:71被引量:64H指数:3
- 供职机构:文山学院
- 研究主题:最小特征值 M矩阵 上界 M-矩阵 HADAMARD积