马氏链周期状态类的一个极限定理

本文把马氏链n步转移概率P~n_(ij)在n趋于无穷时的极限定理推广到i是滑过状态、j属于周期为d的返回类,并采用了新的证明方法。     

Recurrent sequences in median filters (II)

1 Introduction Throughout this note k denotes a fixed integer and k>1. Let x={x(n)}_n=0, ±, ±2,… be a real sequence. For each integer n, we denote by x(n) the median value of the following 2k+1 numbers: x(n-k), x(n-k+1), …, x(n),…, x(n+k-1), x(n+k). By this permuting operation, the sequence x={x(n)} is transformed in     

A simple diagnostic method for the differentiation of Tamm-Horsfall glycoproteins from healthy probands and those from recurrent calcium oxalate renal stone formers

Tamm-Horsfall glycoproteins (THPs)^* from healthy probands, and those from a majority of recurrent calcium oxalate renal stone formers, reveal different properties when analyzed using isoelectric focusing. The pl-values of THPs from healthy probands are approximately 3.5 while THPs from recurrent renal stone formers have pl-values between 4.5 and 6. The two groups of THPs exhibit completely different protein patterns in IEF. This proves the structural difference of these THPs. The differences in IEF analysis allow the differentiation between THPs from healthy probands and those from recurrent calcium oxalate stone formers. These differences could possibly by used as a simple diagnostic method for the recognition of recurrent calcium oxalate renal stone formers.     

若干图类的常返构型

研究图上Abelian沙堆模型的常返构型问题,证明了图的常返构型与子图的常返构型的关系.进一步地,将其应用到具体图类,得到单圈图、lollypop图、dumbbell图的常返构型.     

关于不定方程x3＋27=91y2

讨论不定方程x3＋27=91y2的整数解．方法主要利用同余,递归数列,以及Pell方程的性质,给出了不定方程x3＋27=91y2仅有整数解（-3,0）,（4,±1）;推广了不定方程的研究范围,为进一步研究提供了方向．     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。     

一类非线性多变时滞微分方程的振动性

主要研究了一类线性多变时滞微分方程x′(t)=m∑k=1fk(t,x(τk(t)))的振动性.利用其线性近似方程x′(t)=m∑k=1D2fk(t,0)x(τk(t))得出了方程振动的充分条件.所得结果推广了相关文献的结果.     

一类非线性系统的递归神经网络控制

递归神经网络（ＲＮＮ）由于具有极为丰富的动力学行为而被用在非线性控制系统中,但是传统的ＲＮＮ的训练算法不仅复杂,而且容易陷入局部极值点．作者通过对标准的遗传算法的改进,采用格雷编码方式、比赛选择策略和稳定状态更替方式,使其适用于ＲＮＮ控制器结构和参数的确定．此外,把ＲＮＮ控制器用于控制一类ＳＩＭＯ自不稳定非线性系统（ 如倒立摆系统） ,也收到很好的效果．     

基于深度学习GRU网络的UWB室内定位优化

为减少信号传输质量和距离估计算法等因素对定位精度的影响,将深度学习应用于超宽带（ultra wide band,UWB）室内定位系统,利用门控循环单元（gated recurrent unit,GRU）网络代替传统UWB室内定位系统中的三边测量过程,以提高UWB室内定位精度。在得到定位标签到基站的距离信息后,将距离信息输入GRU网络中,输出最终位置坐标。GRU作为循环神经网络（recurrent neural network,RNN）的变种,既含有RNN处理时序数据的优势,又解决了RNN中的长程依赖问题。对GRU网络模型中不同学习率、优化器、批量大小、网络层数、隐藏神经元数量参数进行调整和训练。结果表明,基于GRU网络模型的UWB室内定位系统显著提高了定位精度,平均定位误差为6.8 cm。