导读:本文包含了弱条件论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:中值,函数,导数,定理,对称,神经网络,渐近。
弱条件论文文献综述
宿娟[1]（2018）在《时滞Hopfield神经网络全局渐近稳定的弱条件》一文中研究指出研究时滞Hopfield神经网络全局渐近稳定的弱条件,其中系统的激活函数没有有界和可微的限制,比S型的要求更弱.首先构造一个Lyapunov函数,计算得到沿系统解的右上Dini导数非正,从而获得平衡点的局部稳定性.然后利用反证和分析方法,进一步证明该Lyapunov函数在时间趋于无穷时的极限为0,从而获得平衡点的全局吸引性.结合局部稳定性和全局吸引性,说明系统是全局渐近稳定的,且平衡点唯一.(本文来源于《四川师范大学学报(自然科学版)》期刊2018年03期）
杨丹[2]（2018）在《较弱条件下凸函数与广义凸函数的判别准则》一文中研究指出凸函数和广义凸函数是凸分析的重要组成部分,在最优化理论等学科中有重要应用。本文在比常用条件较弱的条件下,研究了凸函数和五类广义凸函数的判别准则。第一章介绍了凸函数和广义凸函数的研究现状。第二章介绍了凸函数与广义凸函数的概念、关系与一些性质。第叁章与第四章主要研究较弱条件下凸函数和五类广义凸函数的判别准则,获得了叁方面的结果:第一、证明了在较弱条件下凸函数、严格凸函数、拟凸函数与严格拟凸函数相关集合在[0,1]中是稠密的;第二、利用相关集合的稠密性等,获得了凸函数、严格凸函数、半严格凸函数、拟凸函数、严格拟凸函数及半严格拟凸函数的一些新判别准则;第叁、通过若干例子,对本论文在较弱条件下所获结果与在较强条件下的一些已知结果作了比较研究。(本文来源于《贵州大学》期刊2018-05-01）
张永萍[3]（2017）在《基于光照过强过弱条件下的图像增强研究》一文中研究指出人类生存和发展离不开视觉信息,视觉信息主要由图像信息组成,如今图像处理技术在人们生活中的重要性与日俱增,如:视频监控、医疗影像、指纹解锁、生产自动化和军事追踪等等。照度适宜、清晰度良好、纹理及颜色正常的图像保证了视频监控等现代人工智能技术的正常运作,然而获取图像时常常由于设备或背景条件的限制,得到的图像照度过高或过低,此类图像严重影响了人工智能技术的运用,因此本文针对这些过曝光及低照度图像进行了相关增强算法研究。本课题得到国家自然科学基金项目(编号:51405320)的资助,以彩色过曝光图像及低照度图像为研究对象,由提出或改进的图像增强算法解决了过曝光图像纹理及颜色散失、低照度图像细节模糊和亮度低等问题。彩色过曝光图像由于亮度过高,在过曝光区域纹理及颜色极易散失,严重降低了图像质量;低照度图像在细节和边缘区域容易出现模糊不清的现象,现有的算法在提高图像亮度时经常会出现光晕、褪色和过增强现象。针对这些问题,本文做了相关研究。全文主要研究内容如下:回顾了现有图像增强算法的特点及常用的图像质量评估算法。经典的图像增强算法主要包括:线性及非线性图像增强算法、图像直方图修正算法、图像去噪增强算法以及Retinex低照度图像增强算法。在使用这些算法时应注意各算法的特点,针对图像存在的问题,选择合适的增强算法;图像质量评估主要包括:图像均值、熵值、标准差、峰值信噪比、BRISQE值和NIQE值。研究了局部过曝光图像的纹理及颜色修复算法。首先选取能直观表达色彩明暗、色度及颜色鲜艳程度的HSV色彩模型,采用修正饱和度S阈值检测法得到过曝光区域;然后选用区域块填充算法恢复纹理,将亮度均方值、数据项和置信度结合并加权计算边界点所在区域的优先级,以此确定修复边界点顺序,提高修复精度;最后采用空间距离和亮度差值的权重对色调和饱和度进行加权,恢复色彩,输出修复图像。实验结果表明,图像过曝光区域亮度值有效降低,直方图分布更合理,同时纹理及颜色得到了有效恢复。研究了低照度图像的细节增强算法。低照度图像亮度较低,图像细节不清晰。为了增强图像细节,首先建立了梯度稀疏和最小平方约束模型,将图像分解为结构层和细节层;然后采用提出的多尺度边缘保护细节增强算法强化图像的细节信息并滤波,得到细节强化的低照度图像。实验结果表明,低照度图像的细节得到了有效增强。研究了低照度图像的亮度增强算法。该算法核心主要有两部分:一是在HSV色彩空间分解图像,选取V通道经小波分解,然后分别处理高、低频系数,得到目标突出、细节明显和清晰度较高的灰度图像;二是将先前处理完成的V分量,经基于引导滤波的Retinex算法处理,提高V分量的对比度,最后将其与其他通道分量融合,输出修复图像。实验结果表明,本文所提图像增强算法具有一定效果,能够有效修复局部过曝光图像的纹理及颜色信息,增强低照度图像的细节,同时提高低照度图像对比度和亮度。照度不适的图像经本文所提增强算法处理后,图像视觉效果得到明显提高,这对于图像识别等处理技术具有重要意义。(本文来源于《苏州大学》期刊2017-05-01）
宿娟[4]（2016）在《Hopfield神经网络模型全局稳定的弱条件》一文中研究指出研究了Hopfield神经网络模型全局渐近稳定的弱条件.模型中的激活函数没有有界和可微的限制,并且右上Dini导数可在多点取得最大值.首先构造Lyapunov函数,并利用可分析方法,证明了系数矩阵半负定是全局渐近稳定的弱条件.然后,通过例子和数值模拟说明了结论的有效性,改进了已有文献的结论.(本文来源于《安徽师范大学学报(自然科学版)》期刊2016年02期）
李柱恒,陈新明[5]（2016）在《弱条件多函数对称式柯西中值定理》一文中研究指出本文利用行列式作工具,给出了多函数对称式柯西中值定理,减弱了柯西中值定理的条件.(本文来源于《高等数学研究》期刊2016年01期）
李柱恒[6]（2015）在《在弱条件下判别曲线拐点的一种新方法》一文中研究指出当f(x)在点x0处不可导、二阶导数的表达式复杂且在x0的去心领域Uo(x0)内不容易确定正负号时,本文利用拉格朗日中值定理与极限的保号性定理得到只需用f(x)的一阶导数的符号判别点(x0,f(x0))是否为曲线y=f(x)的拐点的方法.(本文来源于《数学学习与研究》期刊2015年17期）
陈新明,杨逢建[7]（2013）在《一类弱条件方程根的高阶收敛迭代法》一文中研究指出设方程f(x)=0有λ重根a i,λ为任意正实数,当0<λ<1时,函数f(x)在a i处不可导,作者给出了求这一类弱条件方程的λ重根的广义Newton迭代法,并证明了这种方法的收敛阶为4.(本文来源于《仲恺农业工程学院学报》期刊2013年04期）
陈新明,杨逢建[8]（2013）在《弱条件多函数含高阶导数的对称式柯西中值定理》一文中研究指出利用行列式的性质,给出了多函数对称式含高阶导数的柯西中值定理,减弱了柯西中值定理的条件.(本文来源于《大学数学》期刊2013年04期）
杜玉琴,孙超[9]（2013）在《求解在弱条件下带不可微项的Broyden方法的收敛性》一文中研究指出用Broyden法来求解带不可微项的非线性方程,在弱条件下,通过构造优序列,给出了解的存在性与收敛性定理以及相应的证明.(本文来源于《中国传媒大学学报(自然科学版)》期刊2013年03期）
陈新明,杨逢建[10]（2012）在《弱条件n元多函数高阶对称式柯西中值定理》一文中研究指出以行列式为工具,给出了n元多函数对称式含高阶导数的柯西中值定理,减弱了柯西中值定理的条件.(本文来源于《五邑大学学报(自然科学版)》期刊2012年02期）
弱条件论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
凸函数和广义凸函数是凸分析的重要组成部分,在最优化理论等学科中有重要应用。本文在比常用条件较弱的条件下,研究了凸函数和五类广义凸函数的判别准则。第一章介绍了凸函数和广义凸函数的研究现状。第二章介绍了凸函数与广义凸函数的概念、关系与一些性质。第叁章与第四章主要研究较弱条件下凸函数和五类广义凸函数的判别准则,获得了叁方面的结果:第一、证明了在较弱条件下凸函数、严格凸函数、拟凸函数与严格拟凸函数相关集合在[0,1]中是稠密的;第二、利用相关集合的稠密性等,获得了凸函数、严格凸函数、半严格凸函数、拟凸函数、严格拟凸函数及半严格拟凸函数的一些新判别准则;第叁、通过若干例子,对本论文在较弱条件下所获结果与在较强条件下的一些已知结果作了比较研究。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
弱条件论文参考文献
[1].宿娟.时滞Hopfield神经网络全局渐近稳定的弱条件[J].四川师范大学学报(自然科学版).2018
[2].杨丹.较弱条件下凸函数与广义凸函数的判别准则[D].贵州大学.2018
[3].张永萍.基于光照过强过弱条件下的图像增强研究[D].苏州大学.2017
[4].宿娟.Hopfield神经网络模型全局稳定的弱条件[J].安徽师范大学学报(自然科学版).2016
[5].李柱恒,陈新明.弱条件多函数对称式柯西中值定理[J].高等数学研究.2016
[6].李柱恒.在弱条件下判别曲线拐点的一种新方法[J].数学学习与研究.2015
[7].陈新明,杨逢建.一类弱条件方程根的高阶收敛迭代法[J].仲恺农业工程学院学报.2013
[8].陈新明,杨逢建.弱条件多函数含高阶导数的对称式柯西中值定理[J].大学数学.2013
[9].杜玉琴,孙超.求解在弱条件下带不可微项的Broyden方法的收敛性[J].中国传媒大学学报(自然科学版).2013
[10].陈新明,杨逢建.弱条件n元多函数高阶对称式柯西中值定理[J].五邑大学学报(自然科学版).2012
论文知识图
