自适应有限元方法在线性椭圆方程的应用

本文完整给了在凸多边形域上关于Ｐｏｉｓｓｉｏｎ方程的先验及后验误差估计及其验误差估计的自适应有限元方法,从理论上证明了这种自动误差控制的方法是可靠的,有效的,实例所得数值结果是非常理想的。     

平均场加邻近轨道相互作用对力模型对超铀区大形变核的应用

利用严格可解的平均场加邻近轨道相互作用对力模型来描述大形变核 .将该模型应用于超铀区的核素 .计算了2 2 6 2 3 4 Th ,2 3 0 2 40 U及2 3 6 2 43 Pu同位素的结合能和对激发能 ,并与实验结果进行比较 .     

阻尼非线性Schrödinger方程解的时间衰减估计

研究了满足强耗散条件Iλ<0,︳Iλ︳>((p-1)/2(√p))︳Rλ︳的一维阻尼非线性Schr?dinger方程的初始值问题.在初始值‖v0(x)‖H0,θ(?)(1/2<θ≤1)较大的条件下,讨论了此类阻尼非线性Schr?dinger方程解的时间衰减估计和长时间渐近行为.     

关于非线性VOLTERRA积分微分方程的PETROV-GALERKIN有限元(PGFE)方法的最优估计

在本文中,对于非线性维他里积分微分方程的初值问题,我们给出了PGFE方法的最优误差估计。     

Short‐term salmon price forecasting

This study establishes a benchmark for short‐term salmon price forecasting. The weekly spot price of Norwegian farmed Atlantic salmon is predicted 1–5 weeks ahead using data from 2007 to 2014. Sixteen alternative forecasting methods are considered, ranging from classical time series models to customized machine learning techniques to salmon futures prices. The best predictions are delivered by k‐nearest neighbors method for 1 week ahead; vector error correction model estimated using elastic net regularization for 2 and 3 weeks ahead; and futures prices for 4 and 5 weeks ahead. While the nominal gains in forecast accuracy over a naïve benchmark are small, the economic value of the forecasts is considerable. Using a simple trading strategy for timing the sales based on price forecasts could increase the net profit of a salmon farmer by around 7%.     

奇摄动三阶非线性泛函微分方程边值问题

本文研究一类三阶非线性奇摄动泛函微分方程边值问题,利用微分不等式和一些分析技巧给出了边值问题解的存在性和渐近估计。     

“最近发展区”理论在“大学计算机信息技术”教学中的运用

“最近发展区”理论对大学信息技术教学具有重要启示作用。以“最近发展区”理论为指导,结合教学内容安排和组织教学,进行课堂教学模式设计。     

具有修正Leslie-Gower项的捕食-食饵模型的性质

研究了一类具有修正Leslie-Gower项的捕食-食饵模型在第二边界条件下的一些性质。首先,给出了其正解的先验估计,其次得到其非常数正解的渐进稳定性。     

量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。