|本期目录/Table of Contents|

[1]李智勇.解最小一乘问题的递归神经网络[J].集美大学学报(自然科学版),2015,20(5):392-395.
　LI Zhi-yong.A Recurrent Neural Network for Solving Least Absolute Deviation Problem[J].Journal of Jimei University,2015,20(5):392-395.
点击复制

解最小一乘问题的递归神经网络(PDF)
分享到：

《集美大学学报（自然科学版）》[ISSN:1007-7405/CN:35-1186/N]

卷:
第20卷
期数:
2015年第5期
页码:
392-395
栏目:
数理科学与信息工程
出版日期:
2015-09-30

文章信息/Info

Title:
A Recurrent Neural Network for Solving Least Absolute Deviation Problem
作者:
李智勇
（集美大学理学院，福建 厦门 361021）
Author(s):
LI Zhi-yong
(School of Science，Jimei University，Xiamen 361021，China)
关键词:
递归神经网络; 最小一乘问题; 线性约束
Keywords:
recurrent neural network; least absolute deviation problem; linear constraints
分类号:
-
DOI:
-
文献标志码:
A
摘要:
应用鞍点理论和投影算子的性质,给出了一种递归神经网络求解具有线性约束的最小一乘问题，证明了此神经网络全局收敛于一个最优解.数值实验表明，用本文的方法求解最小一乘问题是切实可行的.
Abstract:
By using the saddle theorem and the properties of projection mapping,a recurrent neural network is proposed for solving least absolute deviation with linear constraints.It is shown that the proposed neural network is globally convergent to an optimal solution.The example given in the paper demonstrates that the proposed approach provides a promising alternative for solving least absolute deviation problem.

参考文献/References:

-

相似文献/References:

备注/Memo

备注/Memo:
-
更新日期/Last Update: 2015-11-03