强泛G-投射模,强泛G-内射模和强泛G-平坦模

【目的】完善相对同调理论中对强泛G-投射模、强泛G-内射模和强泛G-平坦模的研究。【方法】利用同调方法讨论了许多相关性质,举例给出了一个模是强泛G-投射模但不是强G-投射模。【结果】给出了强泛G-投射模(或强泛G-平坦模)是强G-投射模(或强G-平坦模)的充分条件,利用强泛G-投射模、强泛G-内射模和强泛G-平坦模的概念,刻画了强G-半单环、强G-Von Neumann正则环和强G-遗传环。【结论】补充了已有文献关于强泛G-投射模、强泛G-内射模和强泛G-平坦模性质的研究。
     

NE-子群与有限群的结构

设G是有限群,群G的子群X称为G的NE-子群,如果X=NG（X）∩X^G.给出了有限群的幂零性、超可解性和可解性的一些新的刻画.应用这些结果,得到了一系列的推论,其中包括有关已知的著名结果.     

未来生物计算机探索

人工智能的研究是为了将人的智能赋予机器。可科学家正在设想一种生物计算机。它由与生物体相同的有机体元件构成。其性能远比现有电子元件的计算机高得多,并且像生物体的伤口可以自愈一样能自动排除故障,而且甚至能生长。这是可能与人和动物的脑共生的人工脑。倘若这个设想能实现,将会产生出各种具有高级智能的超级动物和超人。     

基于原模图LDPC码的联合信源信道译码器的硬件实现

采用FPGA(field programmable gate array)设计基于原模图低密度奇偶校验(low density parity check,LDPC)码的联合信源信道译码器,信道部分和信源部分都是由原模图LDPC码组成.在原模图LDPC码联合译码器的硬件实现架构中,通过2步循环扩展得到了适合硬件实现的准循环原模图LDPC码,译码器信息的迭代更新采用TDMP (Turbo decoding message passing)分层译码算法,采用的归一化最小和算法使得P-JSCD(photograph-based joint source and channel decoding)具有部分并行结构.最后,为了降低资源消耗和译码延迟,采用了提前终止迭代策略.基于FPGA平台的硬件实现结果表明,该联合译码器的译码性能非常接近相应的浮点算法,并且最大时钟频率达到193.834 MHz,吞吐量为24.44 Mbit/s.     

一种结合CCgscore算法的SMT求解技术

提出了对SMT问题的另一种方法.首先,编译SMT公式并转换为CNF公式.然后充分借鉴求解SAT问题中所用的方法,把它和SMT理论相结合,借鉴在2014SAT竞赛中的CCgscore算法,得到一个满足CNF公式的解.最后把得到的当前解与T-solver进行交互并且检查其在特定理论背景下的可满足性.由于在SMT求解的过程中结合了先进的CCgscore算法,所以在求解某些SMT问题时效果比较好.     

一种鲁棒的稀疏信号重构算法

针对稀疏信号重构性能不稳定的问题,结合半阈值迭代算法,提出了一种鲁棒的稀疏信号重构算法。该算法首先对随机信号采用半阈值迭代算法进行重构,以获得初步的重构信号,然后改变迭代初值和参数初值进行新的迭代计算,同时增加一个新的循环终止条件,在保证算法稳定性与收敛速度的同时,使迭代结果跳出相对误差较大的局部极小点而收敛于误差较小的点成为可能,提高了重构信号的成功率。对该算法进行了信号重构和图像重构2个方面的实验,结果表明,与半阈值算法及相关算法比较,无论是对高斯信号、符号信号还是自然图像信号,该算法重构信号的成功率都有明显提高,较半阈值算法平均提高了约30%~40%,表现出较强的鲁棒性。     

带tt*-结构的Frobenius流形上两个平坦亚纯联络形式同构的存在性

超曲面奇异的半通用展开的基空间上可以自然赋予一个几何结构,Hertling把该结构公理化称之为CV-结构,并证明了该几何结构和基空间上的典范Frobenius流形是相容的,从而给出了CDV-结构。给定任意的CDV-结构M,在切丛的拉回丛H:=π*T(1,0)M上,有两个自然地平坦亚纯联络,且奇点只在{0}×M和{∞}×M上。如果该CDV-结构中的Frobenius流形结构是一个半单Frobenius流形时,这两个联络都是非正则的亚纯联络。通过已知的非正则平坦亚纯联络分类定理得到形式同构存在性定理:这两个自然的平坦亚纯联络是形式同构的。将给出该形式同构存在性定理的另一个证明:显式构造性证明。     

求解一类非凸变分不等式的近似点算法

介绍和考虑了一类新的非凸变分不等式,这类变分不等式包括了一些已知的和新的非凸变分不等式作为特例.利用一致r-近似正规集的概念,建立了这类变分不等式和不动点问题的等价关系.利用该等价关系,给出了一个求解此类非凸变分不等式的近似点算法,并证明了该算法在适当的条件下收敛.     

当35≤d≤55时圈的d-强全染色（英文）

对于图G=(V,E)的一个正常全染色,用C(v)表示顶点v∈V的颜色以及与v关联的边的颜色构成的集合,称之为点v∈V的色集合.如果C(u)≠C(v),那么就说u和v被该全染色所区别.一个图G的d-强全染色是指使得满足1≤dG(u,v)≤d的任意一对顶点u和v可区别的一个正常全染色.所谓一个图G的d-强全色数是指对图G进行d-强全染色所需要的颜色的数目的最小值.文中对当d∈[35,55]时圈的d-强全色数进行了确定.