[发明专利]基于神经网络计算实矩阵实部虚部和最大的特征值的方法在审
| 申请号： | 201810359551.5 | 申请日： | 2018-04-20 |
| 公开（公告）号： | CN108549925A | 公开（公告）日： | 2018-09-18 |
| 发明（设计）人： | 谭航;万丽萍;吴兆耀;梁雪松;龙国栋;李少俊;徐杨 | 申请（专利权）人： | 成都师范学院 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02;G06F17/16 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 李蕊 |
| 地址： | 610064 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明公开了一种基于神经网络计算实矩阵实部虚部和最大的特征值的方法，其包括构建计算非零实矩阵的实部虚部之和最大的特征值及其特征向量的复神经网络模型；获取预设迭代条件及初始模型参数和非零实矩阵的初始特征向量；根据预设迭代条件、初始模型参数和初始特征向量，采用迭代计算复神经网络模型的方式获取非零实矩阵的特征向量 |
||
| 搜索关键词： | 实矩阵 特征向量 虚部 非零 神经网络模型 实部 初始模型参数 初始特征向量 神经网络计算 迭代计算 最大实部 迭代 预设 方式获取 模型参数 增量调节 构建 输出 | ||
【主权项】：
1.基于神经网络计算实矩阵实部虚部和最大的特征值的方法，其特征在于，包括：构建计算非零实矩阵的实部虚部之和最大的特征值及其特征向量的复神经网络模型：![]()
其中，A为非零实矩阵；z(t)为A的特征向量；zT(t)为z(t)的转置；![]()
为z(t)的共轭；u为模型参数；获取预设迭代条件及初始模型参数和非零实矩阵的初始特征向量；根据预设迭代条件、初始模型参数和初始特征向量，采用迭代计算复神经网络模型的方式获取非零0实矩阵的特征向量![]()
当特征向量ξ等于零时，按照设定增量调节模型参数u，并迭代计算复神经网络模型直至ξ≠0，此时![]()
得到最大实部虚部之和的特征值对应的特征向量ξ；根据输出的特征向量ξ，计算非零实矩阵A的特征值中具有最大实部虚部之和的特征值：![]()
其中，λm为A的特征值中具有最大实部虚部之和的特征值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都师范学院，未经成都师范学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810359551.5/，转载请声明来源钻瓜专利网。
