【摘 要】
：
多元多项式因式分解是计算机代数研究的主要内容之一,对这样一古老问题,一直被国内外众多学者研究,已有古老的算法,也有现代的算法.它们的共同之处都是用于处理多项式的精确分解,不适合多项式系数是浮点型的因式分解.于是,文[5]提出了多项式近似分解的概念及近似分解算法,该算法虽可行,易于实现,从一元多项式入手,利用Hensel提升的方法,来实现其多元多项式因式分解,若初值选择不当,有可能达不到因式分解的目
【机 构】
：
广西民族学院计算机与信息科学学院,南宁,530006 广西大学计算机与信息工程学院,南宁,5300
【出 处】
：
2004年全国理论计算机科学学术年会
论文部分内容阅读
多元多项式因式分解是计算机代数研究的主要内容之一,对这样一古老问题,一直被国内外众多学者研究,已有古老的算法,也有现代的算法.它们的共同之处都是用于处理多项式的精确分解,不适合多项式系数是浮点型的因式分解.于是,文[5]提出了多项式近似分解的概念及近似分解算法,该算法虽可行,易于实现,从一元多项式入手,利用Hensel提升的方法,来实现其多元多项式因式分解,若初值选择不当,有可能达不到因式分解的目的,即算法的稳定性较差.于是,提出了代数神经网络,给出了基于代数神经网络的多元多项式近似因式分解学习算法,但在实际应用中,当多项式次数过高时,存在着网络结构过于复杂,隐结点过多,运算量大,导致网络的逼近能力有限等缺陷.本文给出的多元多项式近似分解的泛函网络模型及学习算法,具有网络结构简单,算法稳定性好等特点.
其他文献
探讨关系数据库的逻辑基础不仅具有重要的学术价值,而且具有很强的实用价值。本文对用于关系数据库的多值逻辑进行了研究。文章围绕关系数据库的多值逻辑的发展、含空值的关系数据库示例、SQL语言中空值处理存在的问题等进行了论述。
对于第三代移动通信系统,目前国际上主要有三种不同的技术标准:CDMA2000,WCDMA,TD-SCDMA.其中TD-SCDMA无线传输技术是由我国提出的第三代移动通信标准.尽管TD-SCDMA的无线传输方案使得通信网络空中接口的整体能力得到了提升,当多个移动终端同时请求接入基站时,如何提高接入效率仍然是一个关键性技术.TD-SCD-MA的随机接入过程是由数据链路层支持的移动终端接入规则.通过随机
中间件是在两层结构的基础上发展起来的一个概念,两层结构的实现在实践中有其现实的优越性,特别是对系统开发商来说,它简单、直观,容易实现.由于它实现环节较少,系统稳定性、出错可能性及可见性较强,因此它的存在有一定的市场,甚至在一定的系统中(较小型的应用系统中)有它的用武之地.但对于呼叫中心系统(特别是基于PBX的呼叫中心系统)来说,一般采用的是大型数据库系统,采用三层结构有它独特的优点.中间件作为一个
车辆优化调度问题(VehicleRoutingProblem,简称VRP)是由Dantzigand.Ramser于1959年首次提出.VRP是一个有约束的组合优化问题,属于NP难题.有时间窗的车辆优化调度(VehicleRout-ingProblemwithTimeWindows,简称VRPTW)是增加了时间约束条件的VRP问题,有较强的实践性和理论性.本文按照如下的结构：首先对于 VRPTW问题
随着分布式人工智能技术(DAI)的发展,多A-gent技术的研究将成为其一个重要分支,源于人工智能的Agent技术受到了许多领域内学者的广泛关注,许多学者都在尝试利用Agent技术的优点为自己的研究服务.如作为一个人机联合监控与诊断系统,要求人机界面应灵活可变,具有智能自适应能力.它的结构应适应多变的决策流程,能够适应不同的用户模型.对各个用户,也要进行在线检测,确定用户的熟练程度,据此确定相应的
20世纪90年代初,著名学者钱学森等人提出了开放的复杂巨系统及其方法论--从定性到定量的综合集成法.按照开放的复杂巨系统理论,人是一个复杂巨系统,信息网络是一个开放的复杂巨系统,因而作为人机共栖的舰船设备远程故障诊断系统,完全具备了开放的复杂巨系统的特征,是一个人-机-网相结合的开放的复杂巨系统.本文从巨系统角度出发，在借鉴信息科学、人工智能等相关学科研究成果的基础上，探讨舰船设备远程故障诊断问题
模式识别分类器的设计中,智能主体学习以及数据挖掘的信念网络的学习都离不开概率密度函数,而现实中概率密度函数往往是未知的,概率密度函数的估计便成为解决这类问题的有效途径.应用统计决策理论设计分类器,当概率密度函数未知时,首先要对它进行估计,这就将模式识别问题转化为概率密度函数估计问题.如果这个估计问题可以很好地解决,则模式识别问题相应得到解决.我们希望当样本数目N→∞时,基于样本的分类器能收敛于理论
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程.数据挖掘是一个多学科交叉领域,它涉及到数据库技术、人工智能、机器学习、模式识别、统计学等学科.它的目标是高度自动化地分析企业原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略,减小风险,做出正确的决策.
生物测定技术是通过普通生理特征如指纹、掌纹、虹膜、DNA等鉴别个人身份的科学.指纹的唯一性和稳定性,以及其所具有的便于采样、可靠性高的优点使得指纹识别已经成为身份认证的最有效手段.一个有效的指纹识别系统是多种因素的共同作用.对于大容量的指纹库,指纹分类是指纹识别的基础,通过分类可以有效地对数据库进行管理和减少指纹匹配的时间.本文的中心思想是结合遗传算法和BP神经网络两者的优点设计算法,以提高指纹分
关联分析是数据挖掘十分重要的分析方法和研究领域,关联规则的研究比较广泛和深入.典型的关联规则挖掘算法多属于数据库遍历类算法.Savasere和H.Toivonen等人提出的算法都不同程度地改进了规则的挖掘过程.但是这些算法通常都需要遍历数据库来求取支持度,在算法的执行过程中需要频繁地进行数据库的操作.本文提出一种基于数据库特征矩阵的关联规则挖掘算法,使关联规则挖掘算法的效率得到提高.