3) the solution of minimax problem
minimax问题解
4) minimax problems
Minimax问题
1.
This paper presents a kind of neural network models for solving quadratic minimax problems with constraints, and shows its global asymptotic stability by using LaSalle invariant principle.
本文提出一种求解约束二次Minimax问题的神经网络模型 ,给出了它的Lyapunov能量函数 ,运用LaSalle不变性原理证明了它的大范围渐近稳定性 ,作为应用考察了L1范数极小化问题 。
2.
So, many authors have applied the idea of SQP method to present effective algorithms for solving the minimax problems.
因此许多学者运用经典的SQP方法来解决Minimax问题，并且得到了一些有效的算法。
3.
Thus many authors have applied the classical SQP method to solve the minimax problems and got some efficient algorithms.
因此许多作者运用经典的SQP方法来解决Minimax问题，并且得到了一些有效的算法。
5) Minimax problem
minimax问题
1.
In this paper, a constrained discrete minimax problem is solved, whose objective functions and constrained functions are lipschitz continuous functions.
进一步讨论了目标函数和约束函数都是Lipschitz连续的带约束的离散minimax问题,给出了罚函数的区间扩张,提出了解该约束离散minimax问题的区间算法。
2.
The Minimax problem is an important nondifferetiable optimization problem.
Minimax问题是一类重要的不可微优化问题，它不仅在工程设计、电子线路规划、对策论等诸多领域中有着广泛的应用，而且与非线性方程组、非线性不等式组、非线性规划、多目标规划等数学问题之间有密切的关系，因此在近些年来备受关注。
6) discrete problem
离散问题
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条