您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201512-1177
论文题目 一种求解非凸优化问题的基于投影函数的反馈神经网络算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

A projection based recurrent neural network approach to nonconvex optimization

首发时间:2015-12-23

Shenshen Gu 1    Jiao Peng 1   
  • 1、School of Mechatronic Engineering and Automation, University of Shanghai, Shanghai 200072

Abstract:In this paper, we propose a projection based recurrent neural network for solving nonconvex programming problems subjected to nonlinear equality and bound constraints. The proposed neural network makes use of a gradient projection onto the tagent space of the constraints and the well-known projection theorem. It is shown here that the proposed neural network is stable and globally convergent to an optimal solution within a finite time. Global convergence analysis are established for nonconvex problems. Numerical examples are provided to show the applicability of the proposed neural network. And the performance proved its effective and efficiency.

keywords: Binary quadratic problem, Recurrent neural network, Projection theorem, Nonconvex optimization

点击查看论文中文信息

一种求解非凸优化问题的基于投影函数的反馈神经网络算法

顾申申 1    彭佼 1   
  • 1、上海大学 机电工程与自动化学院,上海市 200072

摘要:在本文中,我们提出了一种基于投影函数的反馈神经网络求解带非线性等式约束和边界约束的非凸优化问题。该神经网络利用约束条件的切线空间的梯度投影和知名的投影定理。如文中所示,本文提出的神经网络是稳定的,并能在有限时间内全局收敛到一个最佳的解决方案。文中对于非凸性优化问题进行了全局收敛性分析。数值算例显示了提出的神经网络模型的适用性和高效性。

关键词: 二次规划问题,反馈神经网络,投影定理,非凸优化问题

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
Shenshen Gu, Jiao Peng. A projection based recurrent neural network approach to nonconvex optimization[EB/OL]. Beijing:Sciencepaper Online[2015-12-23]. http://www.paper.edu.cn/releasepaper/content/201512-1177.

No.4671758111719214****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

一种求解非凸优化问题的基于投影函数的反馈神经网络算法