不存在非负非平凡解的一类二阶椭圆型不等式

主要讨论了一类二阶椭圆型不等式,采用抛物方程和加权能量估计的方法将椭圆方程的解唯一开拓到一个更大的可测集上,简化了这类不等式解的问题,得到了关于这类不等式不存在非负的非平凡解的结果.     

英语写作中的母语负迁移探微

母语负迁移是客观存在的,并在学习者的学习过程中产生多层面的影响。本文对母语负迁移给学生英语学习所造成的干扰及错误进行分析,寻求解决途径,旨在帮助学生在英语学习过程中能克服汉语思维的干扰,主动地运用英美民族的思维方式,写出地道的英语文章。     

陕西人口的组合预测研究

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性.针对人口系统的复杂性及非线性的特征,文章首先利用陕西省1978-2010人口数据,分别采用灰色模型、logstic模型、自回归模型及时间曲线拟合模型建立陕西人口的单项预测模型.其次,采用标准差法进行非负权重分配,建立了陕西省人口的组合预测模型.最后,应用该模型对未来10年的陕西人口数量进行了预测.结果表明,组合预测模型的精度高于单项预测模型.     

母语思维负迁移对大学英语写作的影响

由于受到母语汉语的影响,学生在英语写作过程中,常会受汉语思维模式的影响,运用汉语的语言知识进行英语写作,这对荚语写作产生了负迁移现象。本文从词汇、句法、文化等三个层面对母语负迁移对英语写作的影响进行了分析,来探求有助于排除负迁移的干扰。提高英语写作水平的途径。     

样本函数条件极值的渐近性质

讨论了形如ψ(x,Gnk(x|y))的样本函数极值特性,其中Gnk(x|y)是G(x|y)第k个最近邻域(k-NN) 的估计,得出在常规条件下存在某一Gaussian过程,使得收敛于这一Gaussian过程。     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

基于改进U-Net网络的混凝土表面裂缝分割

如何快速、高效、准确地像素级分割混凝土表面裂缝是当前研究的热点问题之一.在混凝土表面裂缝图像中裂缝面积远远小于正常路面面积,造成现有方法在这种正负样本分布不均问题中无法有效学习裂缝特征,最终分割效果较差.提出了一种将Focal损失与活动轮廓模型相结合的新损失函数,针对裂缝面积较小且连续分布的特点,通过Focal损失加强...     

抽样分布定理的简单证明与注记

利用协方差与正态分布的性质给出了样本均值与样本方差独立性的一个简单证明,得到了正态总体下样本均值与样本方差的分布,并对其直观意义进行了解释。     

正、负激励在高校学生干部培养中的运用

高校学生干部工作之初,对工作都有极高的热情,但随着时间的推移,对工作越来越熟悉,工作热情慢慢开始减退,直至消极对待工作,既对自身的成长产生消极作用,又影响高校学生工作的开展。本文通过阐述正、负激励在学生干部管理中的运用,指出只有正激励和负激励相互促进,形成一种良好的风范,才能够促进学生干部的成长,达到激励的目的,提高激励效果。     

基于NMF技术探寻早期AD基因表达调控网络

利用非负矩阵分解(NMF)技术,依据加强算法的稀疏性对患早期阿尔茨海默症(AD)样本的基因表达数据进行分析,提取对疾病早期诊断具有重要意义的显著基因,样本分类实验结果证明了算法的有效性.在此基础上,结合与炎症反应有重要关系的NF-κB等基因初步建立了与早期AD密切相关的基因表达调控网络结构图,为AD致病机理的探询、早期诊断与治疗等提供了有益的途径和方法.