积分算子的线性性和有界性

积分算子在数学中是作用在函数上的作用子,根据其核函数的不同,可以得到不同的积分算子;研究了积分算子的线性性及有界性等算子的代数性质,得出了积分算子是线性算子,并且在某些特定情况下还是有界算子,从而是连续的线性算子的结论.     

带变量核的分数次积分交换子在变指数Herz-Morrey空间上的有界性

证明了带变量核的分数次积分算子T_(Ω,μ)与Lipschitz函数b生成的高阶交换子[b~m,T_(Ω,μ)]在变指数Herz-Morrey空间MK_(q,p)~(α,λ)(·)(R~n)上的有界性.     

反周期函数(0,P(I))三角插值

通过引进积分算子P(I),研究了反周期函数插值及反周期函数的2-周期(0,P(I))插值,得到了解存在的条件,并给出对应条件下解的显式.     

奇异积分算子对p幂可积函数的逼近常数的上界估计

本文探讨由正偶核确定的奇异积分算子对连续函数的逼近常数与对p幂可积函数的逼近常数之间的关系,并由此得到Fejér算子、Jackson算子和Vallee-Poussin算子对p幂可积函数逼近常数的上界。     

广义Morrey空间中奇异积分算子和极大算子的加权不等式

证明了广义极大算子和奇异积分算子在广义Merrey空间中的加权不等式，并且还得到了极大算子无权不等式的特征。     

分数次积分算子的双权不等式

首先推广了Ｅ．Ｔ．Ｓａｗｙｅｒ关于分数次积分算子的双权不等式的几个充分条件，所得结果更加接近于必要条件Ａ然后给出了与分数次极大算子相联系的另一充分条件．     

增强型注意力网络点击通过率预估方法

针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时,存在着特征重要性学习不足、特征交互低效等问题,提出了一种增强型注意力网络预估模型,用于动态学习特征重要性和特征交互信息,模型主要由注意力层、双线性交互层和全连接神经网络层构成。注意力层的多尺度多头自注意力机制通过设置不同尺寸子空间增强特征重要性学习能力,在得到特征重要性后,进一步采用张量积双线性交互学习特征交互信息。通过对注意力的子空间尺寸大小、张量积交互形式、神经网络层数和节点个数等进行定量分析,确定模型的最佳参数。实验证明,该模型相比已有模型拥有更好的预测能力。     

星像函数与凸像函数的一个推广

利用一类积分算子,构造了函数族Ｓ（ｎ,α,λ）与Ｋ（ｎαλ）。建立了包含关系。并给出了函数族的一些不等式。