复杂性是随机性吗?

辨析了对柯尔莫哥洛夫复杂性的某些误读。指出柯尔莫哥洛夫复杂性定义下的随机性即序列的不可压缩性，不等于无序性，并且与传统的随机性理解相去甚远。在某些情况下，这种序列的不可压缩性恰恰是有序性的表现，从而说明，柯尔莫哥洛夫复杂性可以成为系统有序状态即复杂性的测度。     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言.随着"一带一路"倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法.然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性.因此,...     

基于无监督对抗学习的时间序列异常检测

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神...     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．     

一类非线性算子具混合误差项的Ishikawa迭代序列的强收敛定理

使用新的分析技巧，研究了Banach空间中强增生算子方程解的具有混合误差项的Ishikawa迭代序列的收敛性问题，改进和扩展了近期的许多相关结果。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

关于NA序列的强大数定律

NA随机变量是一包含独立随机变量在内的有广泛应用的随机变量类,文章在一类宽泛条件下研究了不同分布NA序列的强大数定律,改进和推广了前人的相应结果.     

导数是外可逆时方程G(x)=0的解的分布状况

利用强F-可微及叠代序列研究了不满足隐函数定理的正常条件时,方程G(x)=0的解的分布状况.这里G:X→Y是强F-可微的,X与Y均为Banach空间.     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。