求解超定线性方程组L<sub>1</sub>─范数最优解的神经网络方法

张青富; 保铮

您当前的位置：

首页 >

文章列表页 >

求解超定线性方程组L₁─范数最优解的神经网络方法

更新时间：2025-12-08

- 求解超定线性方程组L₁─范数最优解的神经网络方法
- A Neural Network Approach for Linear Absolute Value Problems
- 电子学报 1996年第1期
- 作者机构：
  
  西安电子科技大学电子工程研究所
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61701067;61702065)
- DOI：
  中图分类号： TP18
- 纸质出版：1996
- 稿件说明：
移动端阅览
[1]张青富,保铮.求解超定线性方程组L_1─范数最优解的神经网络方法[J].电子学报,1996(01):97-100.

张青富, 保铮. A Neural Network Approach for Linear Absolute Value Problems[J]. Acta Electronica Sinica, 1996, (1).
[1]张青富,保铮.求解超定线性方程组L_1─范数最优解的神经网络方法[J].电子学报,1996(01):97-100. DOI：

张青富, 保铮. A Neural Network Approach for Linear Absolute Value Problems[J]. Acta Electronica Sinica, 1996, (1). DOI：

摘要

基于线性规划对偶理论，本文给出一种求解超定线性方程组Ｌ１─范数解的神经网络方法。这一方法由两部分组成，首先利用ＬＳＳＭ神经网络求出Ｌ１问题的近似对偶解，然后利用改进的Ｔ－Ｈ网络求Ｌ１─问题的解，当参数选择适当时，Ｔ－Ｈ网络的全局渐近稳定点就是问题的精确解，模拟试验也表明了这一方法的可行性。

Abstract

Based on duality theory of linear programming

a neural network approach for least absolute value problems is proposed in this paper.The approach consists of two phases

at first.an approximate duality solution is obtained by using LSSM neural network

then the prime solution is given by using T-H neural network.It is demonstrated that the asymptotically stable point of T-H networkis the exact prime solution. Simulation results are given to show the validity of the proposed neural network approach.

关键词

Keywords

references

浏览量

266

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新的求解线性规划的神经网络

背景感知机制的图像分类网络

基于神经网络的图像风格迁移算法综述

基于自适应空间映射多可信度模型的网状天线形态机电集成优化设计

差分编码与神经网络辅助的OFDM系统信道估计方法

求解超定线性方程组L1─范数最优解的神经网络方法

A Neural Network Approach for Linear Absolute Value Problems

DOI：

摘要

Abstract

关键词

Keywords

references

求解超定线性方程组L₁─范数最优解的神经网络方法