基于Bernstein多项式的SISO三层前向神经网络的设计与逼近

利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计单输入单输出(single input single output, SISO)三层前向神经网络,并给出选取连接权和阈值的方法。此外,依据一元Bernstein多项式逼近连续函数定理证明SISO三层前向神经网络对连续函数也具有逼近性,进而通过实例获得该网络的一种输入输出解析表达式。     

MapReduce系统中的两阶段混合流水作业调度算法

以极小化最大完工时间为目标,研究MapReduce系统中的两阶段混合流水作业调度问题.每个工件都包含两个任务集,即map任务集和reduce任务集.所有map任务必须在第一阶段的m1台平行机上加工,而reduce任务则必须在第二阶段的m2台平行机上加工.一个工件的reduce任务只有在该工件的所有map任务完成后才能开始加工.所有reduce任务不允许中断.对map任务不可中断情形,给出了一个最坏情况界为2-1/max{m1,m2}的近似算法.对map任务可任意分割情形,分别给出了基于Johnson规则和LPT规则的近似算法H(2,J)和H(2,L),并证明了这两个算法的最坏情况界分别为2-1/m2和2.通过数值实验发现,一般情况下H(2,J)性能要优于H2,L,但在reduce任务的总加工时间大于map任务且m2较大时则相反.最后,当map任务和reduce任务的总加工时间成比例关系时,给出了算法H(2,J)的参数最坏情况界.     

Banach 空间的p-弱近似性质

给出了Banach空间的$p$-\!\!弱近似性质和$p$-\!\!有界弱近似性质的定义, 获得了这些性质的一些刻画. 利用这些刻画证明了如果一个Banach空间$X$ 的对偶空间$X^{*}$有$p$-\!\!弱近似性质 (或$p$-\!\!有界弱近似性质), 则$X$ 有$p$-\!\!弱近似性质 (或$p$-\!\!有界弱近似性质), 在一般情况下反之不成立.     

He-HF碰撞体系转动激发截面的理论研究

运用密耦近似方法计算了能量在100meV下He原子和基态HF分子碰撞的态-态转动激发截面和碰撞能量分别在100meV,150meV,200meV,250meV下的总微分截面和总分波截面;总结了该碰撞体系散射截面的变化规律。系统研究表明:在低能散射时,弹性散射主要发生在小角部分,非弹性转动激发主要发生在大角部分。     

Lp(I,E)上的最佳联合逼近

设G是Banach空间E的自反子空间,Lp(I,E)(1≤p<∞)表示定义在区间I=[0,1]上且值域为E的所有p-Bochner可积函数构成的空间. 给出Rm(m≥2)上的一个范数N(·,…,·),其中N在集合R₊m上的每一坐标是非减的,证明Lp(I,G)是Lp(I,E)上的N-联合逼近.      

一类新节点集上的Newman有理插值逼近

为了得到在[-1,1]上对非光滑函数|x|逼近误差的上界,构造了一组全新的节点集,并证明了基于该节点集的Newman型有理插值算子逼近函数|x|的误差上界为e-2/1+εn其中ε为仅依赖n的小正数,可随着n增大任意减小乃至趋于零。该误差上界优于利用Newman节点集所得到的结果。同时通过合理分配节点集在区间上的分布及改进不等式的证明方法,逼近的误差阶可进一步提高。     

二元关系与粗糙近似算子的性质关系研究

将Pawlak粗糙集模型中的近似空间上的等价关系推广到任意的二元关系,得到广义近似空间A=(U,R),定义了广义近似空间的下近似和上近似,并讨论了串行的、自反的、对称的和传递的等特殊的二元关系与近似算子的特性刻画,找到了二者之间的性质联系.     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

模的极小逼近的一个等价条件

设Λ为Artin代数,C,X,Y是有限生成右Λ-模,χ,γ为有限生成右Λ-模范畴的子范畴.证明了C有右极小χ-逼近0→Y→X→C→0当且仅当Ext_Λ~1(C,)|_γ以Hom_Λ(Y,)|_γ为投射盖.类似地给出了当C有左极小γ-逼近时的等价条件.     

Banach空间中非扩张映射的黏性逼近方法

借助Banach空间中非扩张映射的黏性逼近方法,在范数一致Gateaux可微的Banach空间中,提出一种改进的黏性迭代算法,证明了由该黏性迭代算法生成的序列强收敛于一类非扩张映射的不动点.推广了一些文献中的研究成果.