对称性与Sobolev嵌入

建立了一个Sobolev空间上部分对称函数到加权Lp空间的嵌入定理,并给出这一定理对具临界增长非线性椭圆边值问题的应用。过去这类结论主要是关于Holder函数的,笔者将这一结论推广到连续函数。     

基于深度残差循环神经网络的序列推荐模型

为解决基于RNN(Recurrent Neural Network)的序列推荐模型在处理长序列时易出现梯度消失或爆炸从而导致推荐模型训练过程不稳定问题,在传统门控循环单元(GRU:Gated Recurrent Unit)基础上,引入了残差连接、层归一化以及前馈神经网络等模块,提出了基于深度残差循环神经网络的序列推荐模型DeepGRU。并在3个公开数据集上进行了验证,实验结果表明,该DeepGRU相较于目前最先进的序列推荐方法具有明显的优势(推荐精度平均提升8.68%)。消融实验验证了引入的残差连接等模块在DeepGRU框架下的有效性。并且,该DeepGRU有效缓解了在处理长序列时训练过程不稳定的问题。     

卡尔曼滤波的精度评定

卡尔曼滤波方法已广泛应用于动态测量数据的处理，其单位权方差通常按新息向量和观测值的残差向量进行计算，增加了观测值残差向量的计算。本文根据新息向量和观测值残差向量与观测值的预测残差向量之间的关系，推导出用预测残差向量计算单位权的计算公式，从而减少了单位权计算的工作量。     

带有时延和丢包的分布式网络化控制系统故障检测方法

针对带有带宽约束的分布式网络化控制系统,研究了双层监控系统框架下的带有时延和丢包的子系统故障检测方法.针对带有状态时延、输入与输出存在丢包的子系统,将其建模为带有时延的马尔可夫跳跃系统,将故障检测的任务转化为选择适当的滤波器参数,保证扩展系统渐近稳定并满足一定的鲁棒性要求,根据滤波器参数获得系统的残差用于判断故障是否发...     

齐型空间上双线性C-Z奇异积分算子的加权有界性

本文利用Calderon-Zygmund函数分解方法,研究齐型空间上双线性Calderon-Zygmund奇异积分算子,得到了该算子在端点处的加权弱有界性.     

基于注水原理的认知无线电协作频谱感知加权算法

协作频谱感知算法在提高频谱检测概率的同时也增加了控制信道开销,如何降低控制开销成为协作感知的关键技术之一.提出基于注水原理的加权协作检测算法,算法采用基于信噪比的能量检测器,根据检测信号的信噪比,用注水原理计算和分配权值,确定感知贡献,删除无效检测和传输.结果表明,提出的算法提高了检测概率,同时平均感知比特数下降,减少了控制信道开销.     

基于麻雀搜索算法优化Elman残差自校正地面沉降预测模型

地面沉降是一种常见的地质灾害,严重阻碍当地居民的生产生活,如何对地面沉降进行准确预测已经成为相关专家学者讨论的热点话题,但常规数学模型难以对地面沉降量做出准确预测。提出了麻雀搜索算法(sparrow search algorithm, SSA)优化Elman的地面沉降量预测方法,同时根据组合模型原理提出了SSA-Elman残差自校正(SSA-Elman residual self-correction, SSA-Elman-RSC)模型的策略,通过残差校正的方式降低神经网络预测误差,成功地将地面沉降量预测模型应用于山西省大同市潇河产业园,将预测结果与未进行残差修正的模型预测结果进行比较分析。结果表明,对于均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)、均方误差(mean square error, MSE)3个指标,SSA-Elman-RSC拥有更高的精度。该模型的提出为山西地区地面沉降量预测提供了一种新方法,并且组合模型的建立提供了一种新思路。     

基于加权g-期望的Jensen不等式,矩不等式与大数定律

在g-期望的基础上提出加权g-期望ε^λ_g ［·］的概念。证明了当生成元g关于y非增且关于(y,z)满足正齐次性时, 基于加权 g-期望的矩不等式一般成立。 在λ≥1/2 且生成元g不依赖于y的条件下, 在g关于z满足超齐次性时, 建立了基于加权g-期望的Jensen不等式; 当g关于z满足次线性时, 建立了基于加权g-期望的大数定律。     

11自由度非线性车辆平顺性模型的研究及应用

在分析车辆平顺性的基础上,建立了11自由度平顺性分析的模型,在传统模型的基础上增加了座椅,同时考虑了悬架的非线性因素.所建立的模型考虑了车身的俯仰及侧倾,以及座椅对车辆平顺性的影响,使分析模型更加详细和完整.利用变步长积分法得到车身的垂向振动、俯仰振动和侧倾振动加速度,以及4个座椅振动加速度,分析了不同路面、不同行驶速度和不同乘坐位置对车辆平顺性的影响.结果表明,考虑座椅的11自由度平顺性模型的分析结果更符合实际,比直接用车身来衡量平顺性的结果更精确.     

DVC中基于残差子带分组的自适应噪声模型估计

为提高噪声模型的估计精度,改善系统率失真性能,文中提出了一种基于残差子带分组聚类的自适应噪声模型估计方法.首先根据频率高低对残差子带进行分组,然后由组内子带残差样本生成特征矢量,进而利用改进的模糊c-均值聚类算法对当前解码子带进行聚类,最后计算出每类残差系数的噪声参数.实验结果表明,相比于相邻子带聚类-方差估计算法,文中所提算法能够更加准确地匹配残差分布特征,率失真性能平均提升0.60 d B,且解码时间平均节省40.59%.