یک مدل شبکه عصبی بازگشتی برای حل برنامه ریزی خطی نیمه معین
محل انتشار: مجله علوم ریاضی کاسپین، دوره: 4، شماره: 2
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 340
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CJMS-4-2_006
تاریخ نمایه سازی: 16 مهر 1398
چکیده مقاله:
In this paper we solve a wide rang of Semidefinite Programming (SDP) Problem by using Recurrent Neural Networks (RNNs).
SDP is an important numerical tool for analysis and synthesis in systems and control theory. First we reformulate the problem to a linear programming problem, second we reformulate it to a first order system of ordinary differential equations.
Then a recurrent neural network model is proposed to compute related primal and dual solutions simultaneously.Illustrative examples are included to demonstrate the validity and applicability of the technique.
کلیدواژه ها:
نویسندگان
S. M. Mirhosseini Alizamini
Department of Mathematics, Payame Noor University, Tehran, Iran
A. Malek
Department of Applied Mathematics, faculty of Mathematical Sciences,Tarbiat Modares University, Tehrasn, Iran
Gh. Ahmadi
Department of Mathematics, Payame Noor University, Tehran, Iran