少年铁扎的暑假奇遇

正暑假里,铁扎离开父母,到偏远的山村看奶奶。下了汽车,走进村子,铁扎看见一个瘦瘦的男孩正用一件红大衣换豆腐作坊那个胖老板的豆腐,远远看去,红大衣背后印着银白色的雪橇图案。他不由心头一动:去年秋天,自己就捐出了一件同样的大衣……胖老板把红大衣放到了柜台上,铁扎走上前,仔细一看,又见红大衣第二个纽扣下方有两滴淡淡的墨迹,铁扎捐出的那件红大衣上同样位置也有这样的墨迹。     

探康宝莱品牌体验中心

正近日,康宝莱品牌体验中心于上海静安区乌鲁木齐路正式开幕。这是康宝莱(中国)继北京之后,在大陆设立的第二家体验中心。该体验中心区域功能包括公司介绍、品牌介绍、产品介绍、个性测试、"种子到餐桌"、互动、咨询等多个区域,为消费者体验康宝莱品牌和产品提供了一站式的全方位服务空间。     

关于伴随函子的等价定义

伴随是范畴论中最重要的概念之一．其定义涉及多个量且难以理解。介绍了伴随函子的几个等价定义,证明了各个定义的相互等价性．从而可以更加直观地理解伴随函子的定义．并给出了伴随函子的应用例子。     

一般变分不等式的非精确邻近点算法收敛性

针对希尔伯特空间中的一般变分不等式,将其等价转化为变分包含问题.利用非精确邻近点算法将问题进一步转化为求解一系列子问题,给出了一种近似解子问题的新误差准则,结果表明:在该准则下,非精确邻近点算法具有全局收敛性.在算子F是g-单调和算子g是同胚映射的条件下,得到非精确邻近点算法收敛于一般变分不等式的一个解,证明了解是唯一的.     

关于矩阵族的一致相随性探讨

矩阵的对角化问题是高等代数中一个重要而基本的内容,通常文献只讨论一个给定方阵的可对角化条件。但在理论与应用中往往会大量涉及矩阵族的同时三角化问题。因此,研究矩阵族可同时三角化的条件将是一个不可回避的课题。另外有文献虽引入了相似矩阵可同时对角化的概念及判定条件,但实际上矩阵族同时三角化和同时对角化在论证上差异却很大。为此,在已有研究的基础上,引入了矩阵族的一致相随定义,利用特征分析技术研究了矩阵族可同时三角化问题,得到了一致相随存在性的一个定理及其证明,最后例举了一致相随关系的两个应用。     

文本分类中的主动多域学习

现有主动学习主要着眼于对单个域训练方法的研究,不同域有不同的特征,同时也存在一些隐含的共性.如何从多个域中选择合适数据样本成为多域学习中减少人工标注工作量的关键.本文提出了一个新颖的主动多域学习框架,该框架充分考虑了重复信息,并可从多个域中选择合适的数据样本.该框架首先找到一个包含不同域间隐含共性的共享子空间,然后将所有数据样本分解为公共域部分和个性域部分,其中公共域部分可视为域间的重复信息,该部分在查询时需要被考虑到.最后,将主动多域学习方法与最新的主动学习方法的性能进行了比对,实验结果表明,本文提出的主动多域学习方法在减少人工标注工作量方面有显著作用.     

基于子空间方法的非均匀多采样率系统辨识

针对非均匀多采样率系统的建模问题,根据因果关系,建立了非均匀多采样率系统的状态空间模型.对于含有提升变量的状态空间模型,提出基于子空间技术的辨识方法.首先,由系统的输入输出数据建立由Hankel矩阵组成的扩展状态空间方程;其次,利用斜交投影的原理,以及奇异值分解,通过子空间辨识算法确定增广观测矩阵和状态向量;最后,通过最小二乘方法确定模型的参数矩阵.该方法简单有效且对初值具有鲁棒性.仿真实例验证了方法的有效性.     

移频算法在加速子空间迭代法中的应用

基于子空间迭代法,采用移频加速算法,开发了一个高效、稳定、内存消耗低的移频子空间迭代特征值求解器SSubspace. 给出了详细的移频子空间迭代法求解广义特征值问题的步骤及关键参数的选取. 对刚度矩阵奇异时特征值的求解进行了探讨,实现了对刚体模态的求解. 与Intel MKL特征值求解器(FEAST v2.1)相比,SSubspace的求解效率高于FEAST,且内存消耗低于FEAST. SSubspace理论上可以求解出所有阶的特征值,且计算时间随特征值数的增加近似成线性增长关系,可用于求解大阶数特征值问题、大型矩阵的全特征值问题.     

N_2O和CO_2在N+Fe/TiO_2(101)面吸附的第一性原理研究

基于周期性密度泛函理论,研究了N2O和CO2气体在N/Fe共掺杂锐钛矿TiO2(101)面最稳定结构的吸附,并与其在洁净TiO2(101)面的结果进行了对比.详细比较了三原子气体不同吸附位、不同吸附端在Fe位及N位吸附的吸附能、键长和键角的变化.结果表明:N2O在Fe位吸附较清洁表面强,为化学吸附;CO2在改性表面的吸附较清洁表面弱.     

强共归纳数据类型上的Comonadic共递归

针对共归纳数据类型上的unfold无法描述带参数的共递归计算的问题,首先证明了笛卡尔封闭范畴上的终结共代数是强终结的,并给出强共归纳数据类型的范畴论定义及其上一种带固定参数的共递归——punfold,使得共归纳数据类型上的共递归计算可以包含额外的参数作为计算的输入;然后利用基于Comonads的Comonadic共递归给出了unfold和punfold的一种统一的描述,并进一步分析了punfold上的各种计算律,从而将Pardo对基于Comonads的带参数的递归计算研究扩展到共归纳数据类型.