利用Uq(sp(8))的向量表示实现辛型量子群(O)(Spq(8))

Jantzen[1]利用A型李代数A2的量子包络代数Uq(sl2(C)),借助于其表示论并利用R-矩阵的方法给出了SLq(2)的定义关系式.本文对结构更为复杂的C型李代数做了类似的研究,通过Uq(sp(8))的表示理论实现了(O)(Spq(8))的定义关系式.     

L-模糊拓扑的新表示定理

利用完全分配格L上的关系,给出L-模糊拓扑的2个新表示定理.其研究结果表明:集合X上的每个L-模糊拓扑都是由一族以L为指标集的L-拓扑粘接起来所得到的,且2个不同的表示定理反映了不同的粘接方式.     

《司岗里》传说：佤族走失文明的历史再现

佤族没有文字,其历史文化均以口耳相传的方式传承下来,这为佤族历史文化的解读提供了诸多可能。佤族创世神话《司岗里》流传于整个阿佤山地带,乃至缅甸、泰国、老挝、柬埔寨、印度,内容不仅涵盖了宇宙、人类及万物的起源,还包括了佤族及其先祖数千年颠沛流离的迁徙史。当我们将这部神话传说与失落千年的古滇国文化、夜郎文化、哀牢文化和石佛洞文化进行链接的时候,佤族那段走失的文明便会以另一种方式再现。     

变分自动编码器的潜变量空间解耦方法

潜变量空间解耦是深度生成领域一个越来越热门的研究方向。对数据潜变量空间进行解耦带来最直观的好处是在生成数据时能选择性地调整数据的不同属性,实现更可控的数据生成。本文专注于潜变量空间解耦,提出一种能够进一步提高解耦任务度量指标的重要方法。本文方法基于变分自动编码器,在编码器阶段运用了自注意力机制和残差网络,使模型更有效地捕捉长期依赖关系,增强模型的维度适应性。在训练阶段,提出一种更好地驱使潜变量空间编码维度与属性值趋向单调关系的新颖损失函数。它更好地调节损失函数所处区间范围,更易于优化。该模型使潜在空间拥有较好的解耦程度和可解释性,有效地操纵生成图像的数据属性。实验结果表明,本文模型和方法在图像的潜变量空间解耦生成上优于目前许多先进方法,且具有更为轻量级的网络架构。     

集值平稳过程及其表示定理

本文证明了集值平稳随机过程平稳选择的存在性及其表示定理。并且得到了紧集值随机过程的等价条件。     

浅谈如何保证煤样的代表性

影响煤样代表性的主要因素是煤炭本身的变异性和煤炭采样、制样操作的合理性。为了保证煤炭样品的代表性,在煤样采制过程中,必须规范操作行为。     

Bocs的一些几何性质(Ⅱ)

对任意固定的维数向量Ｚ，定义了三角层化ｂｏｃｓ的表示ＲＺ（Ａ）和ｉｎｄＺ（Ａ）的参数数Ｕ（Ｚ）和Ｐ（Ｚ），并用它们刻画了三角层化ｂｏｃｓ的表示型。     

纽群代数的一个分裂定理和射影提升

讨论了Ｒｅｙｎｏｌｄｓ关于域上纽群代数的一个分裂定理，给出它的几个等价形式，并推广到连通环上的纽群代数。此外，还给出了连通环上射影群表示到有限群常表示的一个提升定理。     

关于3/n的第一类好表法

用初等的方法研究了 3n的第一类好表法 ,得出了一些有用的结论 ,并回答了文献 [4 ]中由RonHardin和NeilSoane提出的一个问题。