共查询到20条相似文献,搜索用时 562 毫秒
1.
Fuzzy映象的不动度 总被引:1,自引:0,他引:1
设(x,d)为完备度量空间,(?)(x)表X上Fuzzy集的全体。A∈(?)(X),α∈(0,1],记ω_α(A)={x∈X:A(x)≥α},A_α={x∈X:A(x)=α}。B(X)表X中一切分明的非空有界闭集的族,H为由d导出的Hausdorff度量。若A、B∈(?)(X),ω_α(A)、 相似文献
2.
关于一个改进的既约梯度法的收敛性质 总被引:1,自引:0,他引:1
设非线性规划问题(P):(?)f(x),R={x|Ax=b.x≥0}。其中x∈E~n是n维欧氏空间中的点,A是m×n阶矩阵(m≤n),其秩为m。b∈E~m。现在对问题(P)作如下的假设: 相似文献
3.
设X(ω)={x_t(ω),t≥0}是标准布朗运动,相空间(R~d(?)~d)d≥3。P~x,x∈R~d是开始于x的概率。简记P=P~0,θ,是推移算子(t≥0)。记S_r为中心在原点半径是r的球面。 相似文献
4.
设S是可数集,X {0,1}~S,其上赋乘积拓扑({0,1}赋散拓扑),σ(X)表x上的Bovel σ域,P(X)表X上全体概率测度,p(u,v)u,v∈S是转移概率矩阵,长程排它过程P(t,η,A)t≥0,η∈X,A∈σ(X)是描述如下模型的马氏过程:以η_t∈X表时 相似文献
5.
6.
∈[a,b]及>0,令设F=F([a,b])为[a,b]的一切有限子集构成的幂集。∈F定义K(A)={X(r):r∈A}。设二元关系φ(r,x)的定义域为D(φ)=[a,b],值域R(φ)在标准 相似文献
7.
本文中符号均同文献[1],并记P_ ~0 ={λ∈P_ |〈λ,α_i~v〉≥O,(?)α_i∈∏~(im)}.可以证明,当GKM代数g(A)不必可对称化时,文献[2]中的结果亦成立,即有引理 设(?)∈P_ ~0,则(a)任一λ∈P(?)都关于(?)非退化;(b)对任意α_i∈∏~(im)及λ∈P(?),当〈λ,α_i~v〉=0时,过λ的α_i权链中只含λ一个元;当〈λ,α_i~v〉>0时,过λ的α_i权链形如 …,λ-α_i,λ,…,λ qα_i(q∈Z_ );(c)P(?)=W|λ∈P_ ~0|λ关于(?)非退化}.定理1 设(?)∈P_ ~0,则P(?)(?)((?) Q)∩C_0(W(?)). 相似文献
8.
近来,Cybenko证明了下述 定理A 设δ(z)是一个连续的Sigmoidal函数,则下述形式 sum from j=1 to N (α_iδ(x·y_i+θ_i))的函数全体在C(I~n)中是稠密的,其中y_i∈R~n,x∈I~n,x·y是x与y的内积,α_i,θ_i分别为实数,I~n=[0,1]~n。 相似文献
9.
任意初始点下的广义梯度投影方法 总被引:5,自引:0,他引:5
本文考虑问题(NP): 其中只={x∈E~n丨h_i(x)≤0,j=1,2,…,m}。 记I={1,2,…,m},g(x)=-▽f(x),φ_θ(x)=max{0,φ(x)},A(x)=(▽h_i(x),j∈I);H(x)为-n×n维对角矩阵,其主对角元为 相似文献
10.
11.
设X是赋范空间,s(X)={x∈X|‖x‖=1}。仿照Clarkson关于一致凸空间凸性模的概念,我们对一般BANACH空间作如下的 相似文献
12.
用e(X)与其他基数函数估计|X|的著名不等式有。(1)(Ginsburg 和Woods)X∈■_1,|X|≤2~(e(X)·△(X)),其中,△(X)=min{k|对X×X 的对角线△,有△=(?)U_α,U_α开,(?)α相似文献
13.
本文对某些Markov过程,研究了它的停时(Stopping time或Optional time)h(ω)、位置x(h)、协停时(Co-optional time)、l(ω)、位置x(l)四者的联合分布,并应用于d≥3维Brown运动,求出了对称稳定过程首出球点与末离球点的联合分布密度.设Z(?){x(t,ω),t≥0}为定义在概率空间(Ω,(?)、(?),P)上的时齐、右连续有左极限的强Markov过程,取值于可测Polish空间(E,(?)),简记x(t,ω)为x(t)或x_t推移算子θ_t.称h(ω)为停时,如它取值于[0,∞],而且(?)≥0,(h(ω)≤t)∈(?).称l(ω)为协停时,如它为(?)可测、非负,而且(?)_t≥0,有假设:(i)(?)≥0,在t相似文献
14.
15.
设D={x∈R~n;λ(x)<0}是一具有光滑边界的有界区域,λ∈C~∞(R~n)是D的一个定义函数,(?)λ在(?)D={x∈R~n;λ(x)=0}的某个邻域内处处不为零.对r>0,我们以dσ_r和dσ分别记(?)D_r={x∈R~n; λ(x)=-r}和(?)D上的n-1维Hausdorff测度,而以dm记R~n中的Lebesgue测度D上复值调和函数的全体记h(D)对f∈h(D)及非负整数m,置grad_mf为f的m阶梯度,其模为此处α=(α_1,α_2,…α_n)为n重指标,|α|=α_1+α_2+…+α_n,grad(?)=f.对0
相似文献
16.
布朗运动首中与末离的联合分布 总被引:1,自引:0,他引:1
1.设X={x(t,ω),t≥0 }为定义在概率空间(Ω,(?),P)上取值于d(≥3)维欧氏空间R~d中的标准布朗运动,(?)~d为R~d中Borel σ-代数,X的转移概率密度为 相似文献
17.
其中p(x)=dist(x,ω),ω(?)Ω.K>0,0≤口α_i<1, g,h是给定函数,我们假定 g:(?)×R→R是连续函数;g=g(x,s)对一切x∈(?)关于s∈R是C~1的奇函数,g_s~1(x,s)≈pg_1(x)|s|~(p-1),s充分大, 相似文献
18.
设(X,d)是一Polish空间,(Q,A,P)是完备概率空间。(?)x∈X,B(?)X,d(x,B)=inf{d(x,y):y∈B}。CB(X)(K(X))表X的全体非空有界闭(紧)子集,D表CB(X)上用d诱导的Hausdorff距离。我们说集值映象T:Q→CB(X)是A可测的,如果对于X的任意开子集B, 相似文献
19.
二参数Ornstein-Uhlenbeck过程的转移概率及预测 总被引:2,自引:1,他引:1
设z(u,v)为平面上的点,记R_+~2=(z:u≥0,v≥0)。R_+~2中全体Borel集记为B_+~2.x={x(z,ω∞),z∈R_+~2)为概率空间(Ω,F,P)上的随机过程。称X为二参数Ornstein-Uhlenbeck过程(DUP_2),如 相似文献
20.
最近,文献[1]提出了这样两个问题: (ⅰ)ω_L(J)何时为代数格? (ⅱ)ω_L(J)何时为完全分配格? 其中ω_L(J)表示从拓扑空间(x,J)到完全分配格L上的关于L的上拓扑(即以{L—↓x:x∈L}为子基的拓扑)连续的函数全体。 相似文献