广义Calderòn—Zygmund算子

本文讨论了广义Calderòn—Zygmund算子的几个有界性结果.     

区间删失数据情形下GE分布参数的最大似然估计(英文)

讨论了样本数据为区间型数据时参数的最大似然估计问题.当数据为区间删失情形时,参数最大似然估计的精确表达式不存在,甚至近似解都很难得到.由于区间型数据是一种不完全数据,所以利用EM算法来求参数的近似最大似然估计.为了演示,提供了一个真实寿命数据分析的实例.     

Banach空间中k-渐近拟伪压缩映像不动点的迭代算法

在严格拟伪压缩映像不动点的迭代算法基础上,给出了Banach空间中渐近k-拟伪压缩映像不动点的迭代算法,改进了算法,并证明了一个强收敛定理,扩展了已知的相关结果.     

Banach空间中相对非扩张映射的强收敛定理

用修正后的Halpern's迭代方法在Banach空间建立了一个迭代序列,证明了这一迭代序列强收敛到2个相对非扩张映射的公共不动点.     

广义Nizhnik-Novikov-Veselov方程组的新行波解

借助齐次平衡方法和数学软件计算,应用修正的G＇/G展开法成功获得了Nizhnik-Novikov-Veselov（简称NNV）系统的多个含有参数的精确行波解,所得的解包含有新的孤立波解,丰富了已有结果.该方法具有简单高效、计算量小、求解速度快等特点,此方法还可以用来求解其它的高维非线性发展方程的精确行波解和孤立波解.     

居住地、出行方式与出发时间联合选择的

为刻画居住地、出行方式与出发时间的联合选择行为,选取房价、出行耗时、出行费用及个人属性等作为效用变量,以居住地选择子集合、出行方式选择子集合和出发时间选择子集合的组合作为模型的选择项,构建基于广义极值(GEV)理论的交叉巢式Logit模型,为方便对比,同时构建3种结构的传统巢式模型.利用2005年北京市第3次居民出行调查数据,对模型参数进行估计和检验,并进行弹性分析,分析效用变量的改变引起的备选方案选择概率的改变.参数估计结果表明,交叉巢式Logit模型具有比NL(Nested logit)模型更优的统计学特征,当效用变量改变时,选择者最先变更其出发时间,然后是出行方式,最后才考虑改变其居住地.直接和交叉弹性分析表明,对于小汽车方式的远距离通勤者,即使额外收取费用亦难以降低其出行比例;当通勤距离小于5km时,一种方式出行时间的变化对另一种方式选择概率的影响微乎其微,而当通勤距离在10～20km时,这种影响最显著.     

基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)

基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.     

广义Tortoise坐标变换与动态Kerr-Newman黑洞辐射特征的研究

引入两种不同的广义乌龟变换对KerrNewman 黑洞辐射性质进行研究,通过比较证明,动态KerrNewman 黑洞的热谱的形式和非热辐射的交错能级最大值相同,而Hawking温度和非热辐射的粒子禁区有一定的区别.     

基于移位和异或的最佳扩散变换的构造

扩散结构的好坏直接影响了分组密码的扩散速度和安全强度,以分支数尽可能大的线性变换为分组密码算法的扩散结构是设计分组密码的一种重要方法,线性变换的构造可通过可逆矩阵的构造完成.利用高效的算法搜索出几类可逆广义字变换,在此基础上提出一类计算上可行的基于GF(232)上移位和比特异或的最佳扩散变换构造的算法.该变换特别适合硬件实现,广泛用于分组、序列以及HASH等密码算法的设计中.     

L-R扭曲Smash余积及其广义结构

主要给出L-R扭曲Smash余积,同时构造广义L-R扭曲Smash积和广义L-R扭曲Smash余积.