论文部分内容阅读
通过引入两个参数,构造了一个离散的分式型的核函数,并由此建立相应的Hilbert不等式.利用余切函数的部分分式展开,证明了所构建的不等式的常数因子可用余切函数表示,且常数因子是最佳的.通过对参数赋值,得到了一些有趣的特殊结果.
离散型Hilbert不等式的推广及应用
【摘 要】
：
通过引入两个参数,构造了一个离散的分式型的核函数,并由此建立相应的Hilbert不等式.利用余切函数的部分分式展开,证明了所构建的不等式的常数因子可用余切函数表示,且常数因
【机 构】
：
浙江机电职业技术学院数学教研室,浙江杭州310053
【出 处】
：
武汉大学学报（理学版）
【发表日期】
：
2021年2期
其他文献
相对传统的行人检测技术,基于深度学习的行人检测技术具有压倒性的优势,然而由于深度卷积网络规模庞大,需要专用的处理器,限制了行人检测系统的推广。针对上述问题,提出一种网络规模适中的深度卷积网络模型,在保证检测精度的前提下提高检测模型的普适性。以低维度的浅层卷积神经网络为基础,分别从网络层数、感受野大小和特征图3个角度出发搜索最优的网络结构,并通过有指导的实验评估确定最终的网络参数。在Daimler行
为有效求解自融资投资组合模型,基于粒子群优化(particle swarm optimization,PSO)算法,提出了一种改进的量子行为的粒子群优化算法(LDQPSO).在算法的设计中,借助Levy飞行策
五次循环域K作为分圆域Q(ern 2πi/m)的子域,当m是单因子,即为p≡1(mod5)类型素数或等于25时,构建了K的定义义方程,并利用多个单因子域之生成元相合成的方法,对其他情形即m是
为解决图的L(2,1)-标号问题,设计了一种全新的标号算法,该算法利用人工蜂群全局搜索能力强的优点来得到最优的L(2,1)-标号方案.为了加快算法的收敛速度,修改了部分搜索策略并
研究次线性期望空间下END(extended negatively dependent)阵列加权和的完全积分收敛性,将概率空间中END阵列加权和的完全矩收敛推广到次线性期望空间下的完全积分收敛.
研究了一维Logistic系统(虫口方程)的倍周期分岔的反控制,利用反馈控制方法设置非线性控制器,对系统一分为二周期倍分点进行反控制,得到了控制参数与分岔参数之间的关系式,通