递归神经网络方法解决非光滑伪凸优化问题

• 作者: 伍灵贞 喻昕 汪炎林 胡悦 马崇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 递归神经网络 非光滑伪凸优化 收敛性
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 145-151,242
• 页数: 8页
• 分类号: TP3
• 字数: 7866字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.11.024

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	喻昕	广西大学计算机与电子信息学院	24	68	5.0	7.0
2	马崇	广西大学计算机与电子信息学院	3	0	0.0	0.0
3	胡悦	广西大学计算机与电子信息学院	3	0	0.0	0.0
4	伍灵贞	广西大学计算机与电子信息学院	4	0	0.0	0.0
5	汪炎林	广西大学计算机与电子信息学院	5	0	0.0	0.0