一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

结构优化设计的一种新方法——改进的可行方向法

本文提出了一种结构优化设计的新方法——改进的可行方向法。该方法计算简单、方便,一次调参幅度大,收敛快,重复的结构分析次数少,较之现有的各种准则法、可行方向法以及其它约束最优化方法有显著的优越性,特别适用于求解在多种载荷条件下,具有多个位移约束和应力约束条件的大型结构优化设计问题。     

用最优性准则作结构优化设计

本文是一篇专题综合报告,较系统地介绍了用最优性准则作结构优化设计的多种方法,反映了当前在最优性准则研究方面的最新发展。