Smarandache kn数列与除数和函数的混合均值

对任意整数1≤k≤9,如果数列{a(k,n)}中的每一个数都可以分成两部分,使得第二部分是第一部分的k倍,则该数列称作Smarandache kn数字数列.利用初等及组合方法研究Smaran-dache kn数字数列及除数和函数的混合均值性质,并给出一个有趣的渐近公式.     

关于不定方程χ3+1=7y2

利用递归数列、同余式和平方剩余证明了不定方程x3+1=7y2仅有整数解(x,y)=(-1,0),(3,±2).     

MR影像体素形态学的阿尔茨海默病自动分类方法

为了确定轻度认知功能障碍(MCI)与阿尔茨海默病(AD)患者发生萎缩的重要脑区,实现正常老年人(NC)对照组、MCI与AD三组人群的分类,选择了178名被试的脑部MR影像,利用体素形态学与方差分析方法,考察NC,MCI与AD三组人群的MR影像中灰质体积差异;然后,采用递归特征消去法对特征进行降维;最后,利用线性支持向量机对这3种人群进行分类.实验结果表明,MCI组与NC组、MCI组与AD组、AD组与NC组的平均分类准确率分别为(90.2±1.3)%,(74.7±0.9)%,100%.对分类产生重要影响的脑区包括海马、海马旁回、杏仁核、梭状回和嗅皮层等.所提方法不仅能有效揭示NC,MCI,AD三组人群的脑灰质差异,阐明MCI患者与AD患者脑区发生萎缩的过程与特性,而且能准确区分这3组人群,具有显著的临床应用价值.     

用定义判别函数列一致收敛的一个注释

从函数列一致收敛的定义出发,得出了定义判别法的另一种形式,用该法判别函列的一致收敛性时,避开了定义判别法中寻求N的工作,从而在某些方面简化定义判别法。     

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。     

基于带RBF核的SVM模型对红酒品质的精准分类

针对红酒品质的"精准分类"和影响红酒品质的重要指标问题,综合带RBF(径向基函数)核的SVM(支持向量机)模型、递归特征删除、深层次回归分析及单因素方差分析等方法,构建支持向量机模型和作用效力挖掘模型,使用R和SPSS进行编程求解.研究结果表明:该模型的精确率高达74.01％,且其误差绝对值最大不超过3,并找出影响程度...     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

一类混杂分红稀疏风险模型的期望折现罚金函数(英文)

考虑了一类混杂分红的稀疏风险模型.在该模型下得到了期望折现罚金函数所满足的积分方程,积分微分方程,以及递归公式.     

基于对角递归神经网络盲均衡算法的研究

提出了一种基于对角递归神经网络的盲均衡算法。利用对角递归神经网络结构简单、计算量少的优点,结合传统的恒模盲均衡算法定义了代价函数,用最速梯度下降法推导出了其算法迭代公式。计算机仿真表明,该算法收敛速度较快,误码率较小。     

梅森素数与牛顿迭代

梅森素数是数论研究的一项重要内容,也是当今科学探索的热点和难点之一。卢卡斯定理是判别梅森数是否为素数的第一个重要定理,卢卡斯-雷默测试是在卢卡斯定理基础上改进后的现在已知的检验梅森数素性的最好方法。牛顿迭代法可以用来求平方根√n的近似值。本文首先揭示了卢卡斯定理与√5的牛顿迭代之间的惊人联系,然后揭示了卢卡斯-雷默测试与√3的牛顿迭代之间的惊人联系,继而揭示了梅森素数的一个同余性质与√4的牛顿迭代之间的惊人联系,又通过√2的牛顿选代得出了梅森素数的一个新的同余性质,并猜测由该性质产生的数列具有与斐波那契数列相类似的漂亮性质,接着通过√6的牛顿迭代提出了p为4k＋1形素数时梅森数Mp为素数所应满足的充要条件的猜想,最后提出了基于梅森素数同余性质的梅森数素性检验新方法的猜想。