准正则环和强正则环

环R称为准正则环，如果环R的每个右理想是由R的若干个幂等元所生成，主要结果是：(1)设R是准正则环，如果R的分式环Q作为右R模是右Noether的，则R是半单Artin环。(2)设R是准正则环，如果环R的每个素右理想都是极大右理想，则R是强正则环。     

对一种筛法的探讨

从筛法的本质出发,深入讨论一种标准筛法的有关性质,寻找其内在规律,最后得出一种差集非空的充分条件和一些比较实用的结论。     

一类超几何函数比的几个不等式

获得了由(4)式定义的出现于数论Ramanujan广义模方程中的这类超几何函数比所满足的一些不等式,改进了广义Grotzsch环函数原有的一些界,所得结果可应用于Ramanujan广义模方程的研究.     

关于Meyer—Konig—Zeller算子

本文给出了Ｍｅｙｅｒ－Ｋｏｎｉｇ－Ｚｅｌｌｅｒ算子的一个新的逼近阶估计，推广了文〔１〕中的结果。     

C─余模和有理C~＊─模

众所周知，余模和有理模在Ｈｏｐｆ代数理论的研究中发挥着重要的作用。本文将给出余模与有理模之间的关系，论证在特殊条件下Ｍ＊的最大有理Ｃ＊─子模的刻划问题。     

有穷长半模偏序集上的一个定理

本文是对参考文献[1]第二章定理14证明的补充和改进。该定理乃指: 定理14.在任何上(或下)半模的有穷长的偏序集内,Jordan-Dedekind链条件成立。 文献[1]中,考虑上半模情形,谈到已知一个连接链:γ∶a=x_0相似文献   

基于频域降采样和CNN的轴承故障诊断方法

在工业领域,设备运行过程中采集的原始故障信号具有强噪声以及多工况的特点,现有的基于数据的轴承故障诊断模型的抗噪能力与泛化能力相对较弱。针对以上问题,提出一种基于频域降采样(down-sampling)和卷积神经网络(CNN)的轴承故障诊断方法 Ds-CNN。频域降采样包含最大偏移降采样和噪声横截断两个部分,可以实现样本增强,降低样本在频域的差异性,同时减弱噪声对频域信号的影响。基于频域信号建立的CNN模型能够自动提取降采样后频域信号的故障特征,并完成对轴承故障的识别分类。实验结果表明,在强噪声环境和多工况条件下,与目前常用模型相比, Ds-CNN具有更高的识别准确率。     

区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.     

类乘法半模和类余乘法半模

作为类乘法模和类余乘法模的真推广,引入了类乘法半模和类余乘法半模的概念.设S是交换半环,M是S-半模.若对M的任意非零子半模N,有Ann_S(M)?Ann_S(M/N),则称M是类乘法S-半模;若对任意真subtractive子半模N,有Ann_S(M)?Ann_S(N),则称M是类余乘法S-半模.讨论了类乘法半模与类余乘法半模的性质;证明了M是次S-半模当且仅当对M的任意真subtractive子半模N,Ann_S(M/N)=Ann_S(M)当且仅当P=Ann_S(M)是S的素理想且M是可除S/P-半模;证明了类乘法半模是semi-hopfian半模且类余乘法半模是semicohopfian半模.     

利用射影Cap构造极大纠缠的纠缠辅助量子纠错码

依据经典四元线性码理论和纠缠辅助量子纠错码理论,由四元线性码的生成矩阵给出四元线性码稳定极大纠缠的纠缠辅助量子码的几何特征。在给定几何特征基础上,由射影空间的Cap理论,设法用组合数学方法和搜索算法构造出给定几何特征的Cap,确定Cap码的参数。利用所得到的参数优良的Cap码,结合纠缠理论,构造出一些参数优良的极大纠缠的纠缠辅助量子码。其中,所构造的极大纠缠的纠缠辅助量子码有许多是最优码,还有一些纠缠辅助量子码改进了前人所得到的纠缠辅助量子码的参数,这些纠缠辅助量子纠错码是无法用已有方法得到的。这也证明了结合组合与搜索的方法来构造极大纠缠的纠缠辅助量子纠错码是有效的。