共查询到20条相似文献,搜索用时 31 毫秒
1.
设X为有限字母表,X~*为X生成的自由幺半群。X~*的子集称为X上的语言,X~*的元素称为X上的字,X~*的恒等元1称为X上的空字,X~+=X~*-{1}。很多作者认为X~*上的嵌入序≤是一个十分重要的偏序: x≤y当且仅当x=x_1x_2…x_n,y=y_1x_1y_2x_2…y_nx_ny_(n+1)。围绕嵌入序定义了若干类语言: 相似文献
2.
定义 设M=和M′=是两个有限自动机。任何s∈S和s′∈S′,若对任何x_0,x_1,…∈X都存在x_(_t),…,x_(-1)∈X使得λ′(s′,λ(s,x_0x_1…))=x_(-t)…x_(-1)x_0x_1…成立,且对任何l≥n≥0,任何x_0,…,x_l∈X和任何y_0~′,…,y_(n_1)~′,y_0,y_1,…,y_l∈y,都可由y_0…y_l=λ(s,x_0…x_l)推出λ′(s′,y_0 … y_l)=_(n+c)λ′(s′,y_0~′…y_(n-1)~′y_n…y_l),则称(s,s′)为延迟t步误差传播长度不大于e的匹配对,其中e是一非负整数,a_0a_1…a_l=_tb_0b_1…b_l表示a_t…a_l=b_t…b_l。对任何 相似文献
3.
定义1 T:X×Y→[0,1]是普通集合X到Y的单值Fuzzy关系,设x_2∈X,Υ(x,y)>0,令f~T(x_λ)=y_λT(x,y),称f~T为X到Y的M-F映射,记作f~T:X→Y。 相似文献
4.
5.
考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式: 相似文献
6.
设B(X,Y)表示从Banach空间X到Y中的有界线性算子全体所构成的Banach空间。若f∈B(X,Y),并且有x_0∈X使‖x_0‖=1以及‖f(x_0)‖=‖f‖,则称f是一个范数可达元。若B(X,Y)中的范数可达元全体在B(X,Y)中稠密,则称B(X,Y)有 相似文献
7.
8.
9.
一个多元周期函数的Besov类的宽度估计 总被引:1,自引:1,他引:1
R~m表示m维欧氏空间,X=(x_1,x_2…,x_m),Y=(y_1,…,y_m)∈R~m,其数量积记作〈X,Y〉=sum form j-1 to m x_jy_j.用L_p(T~m)表示定义在T~m上的m维可测函数f(X)=f(x_1,…,x_m)的全体,此处T=[0,2π),这就是说f(x_1,…,x_m)对每一变量x_j都以2π为周期,并在T~上p幂可积(1≤p<∞)或本性有界(p=∞),赋以L_P范数如下: 相似文献
10.
1.设(X,d)为紧致度量空间。用C~0(X,X)表全体X上连续自映射的集合并赋以C~0拓扑(一致收敛拓扑)。设f∈C~0(X,X)和任给ε>0。设x,y∈X。从x到y的一个ε链是指有限序列{x_0,…,x_n},使得x_0=x,x_n=y且d(f(x_(i-1)),x_i)<ε,i=1,2,…,n。用CR_ε(x)表X的这样的子集,使得y∈CR_ε(x)当且仅当存在从x到y的ε链。当y∈CR_ε(x) 相似文献
11.
陈道琦指出:Banach空间X的范数在点x_0∈S(X)={x∈X,||x||=1}G-可微的一个充分条件为 相似文献
12.
Gentilhomme曾提出朦胧集,此后,Negoit等对它作了进一步的研究,本文为检索需要,重新定义如下: 定义1 设P为一个给定命题,X为单词的集合,若x_1,x_2,…,x_m∈x,它们对命题P的隶属度分別为 相似文献
13.
对任意自然数n和Hausdorff空间X.记S_n为n次对称群,X~n为X的n重乘积空间,以及SP~nX=X~n/S_n为X的n重对称积.SP~nX中元素z通常记为z=[x_1,…,x_n], 相似文献
14.
设X=(x_1,x_2,…,x_n)为n 个症状(或体征,为方便计,以下统称为症状)的向量.各分量用0或1赋值,即x_j={1,若第j 个症状出现, 0,其他情况,j=1,2,…,n.又设U={X}是症状向量的集合,它一共有2~n 小元素.令S_(?)(i=1,2,…,m)表示m 个证 相似文献
15.
考虑如下线性相关模型Y=X’β e, (1)其中X=(x_1,…,x_p)’是R~p上的随机向量,Y是R~1上的随机变量,β=(β_1,…,β_p)’是R~p中未知参数向量,e是R~1上的随机误差变量.这里,只有(X’,Y)’是可观测的.我们假定(A.1)E(e\X)(?)0,E(e~2\X)(?)σ~2,0<σ<∞,0相似文献
16.
Hilbert零点定理的推广 总被引:2,自引:1,他引:1
在文献[1]中,Abian证明了: 定理A(Abian) 设C为复数域,P=C[x_0,x_1,…,x_E,…]为C上的多项式环,其中x_0,x_1,…,x_E,…为C上的一组不相关不定元,其个数不超过C的基数|C|。设Π是P的一个子集,其基数|Π小于|C|。如果Π中任意有限个多项式都在C中有公共零点,则Π中全 相似文献
17.
设x~((n))=(x_0,x_1,…,x_n)~T,x_i,i=0,1,2,…,n为实数,T为转置,x~((n))的z变换记为x_n(z),它在单位圆周上的值为x_n(w),记[x~((n))]~*=(x_n,…,x_0)~T,它的z变换记为X_n~*(z),称矩阵Δ(x~((n))=[a_(ij)],i,j=0,…,n,为褶积矩阵,其中 相似文献
18.
具有二阶细焦点和零特征根奇点的二次系统 总被引:3,自引:1,他引:2
对于一般的系统(4),有下述引理1和引理2,其证明分别见脚注所引的参考文献。 引理1 若曲线F(x_2)=F(x_1)与曲线G(x_2)=G(x_1)在区域D{(x_1,x_2)|X_(02)相似文献
19.
有限总体的自适应岭型预测 总被引:2,自引:0,他引:2
假设我们所感兴趣的总体由N个可识别的个体组成,它们分别标以1,2,…,N。对于第i个个体,有一已知的p维向量x_i和未知量y_i,i=1,2,…,N。记y′=(y_1,…,y_N),X′=(x_1,…,x_N)。假设所考虑的变量之间关系满足线性模型 相似文献
20.
线性模型中最小二乘估计的强收敛速度 总被引:1,自引:1,他引:0
考虑线性模型如下:y_i=x_i~′β+e_i,i=1,2,…, (1)其中x_i~′=(x_(ij),…,x_(ij)为已知常值向量,β′=(β_r,…β_p)为未知参数向量。令设计矩阵X_n=(x_1…,x_n)′;Y_n=(y_1,…,y_n)′;S_n~(-1)=(X_n~′X_n)~(-1)(?)(S_(ij)~n)1≤i,f≤n。熟知β的最小二乘估计(n)有如下表达式 相似文献