【摘 要】
：
We establish a slow manifold for a fast-slow dynamical system with anomalous diffusion,where both fast and slow components are influenced by white noise.Furthermore,we verify the exponential tracking property for the established random slow manifold,which
【机 构】
：
School of Mathematics and Statistics,Huazhong University of Science and Technology,Wuhan 430074,Chin
论文部分内容阅读
We establish a slow manifold for a fast-slow dynamical system with anomalous diffusion,where both fast and slow components are influenced by white noise.Furthermore,we verify the exponential tracking property for the established random slow manifold,which leads to a lower dimensional reduced system.Alongside this we consider a parameter esti-mation method for a nonlocal fast-slow stochastic dynamical system,where only the slow component is observable.In terms of quantifying parameters in stochastic evolutionary sys-tems,the provided method offers the advantage of dimension reduction.
其他文献
Dartyge和Sárk?zy等人提出伪随机子集的概念,并研究基于原根生成的一些子集的伪随机性.本文进一步构造出一类由原根生成的特殊子集,这类子集具有较少的限制条件与更强的伪随机性.
本文考虑一类含Hardy位势的非线性Schr?dinger-Poisson方程.在适当的参数假设条件下,我们应用约束变分方法证明了正规化解的存在性,推广了有关文献的结果.
车辆检测是车辆识别和跟踪的重要前提。为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题,本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法。该算法采用多帧间隔图像建立初始背景模型,提出基于时-空变化度的背景区域变化评价方法,并基于时-空变化度制订了自适应的学习率更新策略。通过设置一个信任区间,并根据当前交通状况和像素点是否处于信任区间内来判断当前的背景模型是否需要更新,进而实现对
本文以期望效用最大化为优化目标,研究在通货膨胀风险和最低保障约束影响下的DC型养老金最优投资组合问题.模型考虑将养老金投资于无风险资产,风险资产(股票和指数债券),缴费为随机过程.在二次效用下,运用鞅方法得出最优投资策略和期望效用值的显示表达式.最后,通过数值分析讨论通胀风险,风险厌恶系数等参数对最优投资策略的影响.
混合专家模型是对异质总体数据进行回归、分类和聚类的异构性建模的流行框架.研究基于偏正态分布,提出了众数混合专家回归模型,该模型既对混合偏态数据分类后进行众数建模,同时又对混合比例建模,相比单纯的众数回归模型具有更大的适应性,可以概括和描述众多的实际问题.采用了一种有效的模式识别聚类方法来选择子聚类的数量.分别应用MM算法和梯度下降法辅助的EM算法对模型未知参数进行极大似然估计,通过Monte Carlo模拟试验和实例分析比较,说明本文提出方法的有效性和实用性.
针对大场景、大视场图像应用和一般图像拼接算法速度慢的问题,采用了基于离线标定的快速图像拼接算法。在实际应用中多台相机位置固定,采用离线标定计算出图像拼接的单应性矩阵,实时拼接中直接加载该矩阵进行计算,从而省去了大量的特征提取和配准时间。在快速图像对齐的基础上,提出了一种基于YUV色彩空间的拉普拉斯金字塔的快速图像融合算法,相对传统拉普拉斯金字塔融合算法有更好的融合效果和更快的速度。实验结果表明,本
本文研究在光滑边界有界区域内具有间接信号吸收和Logistic型源的趋化模型.在适当的正则性假设下,证明了该系统具有唯一的全局有界经典解.此外,还讨论了解的渐近性态.我们的结果推广和改进了部分已知的结果,部分结果是新的.
本文考虑超高维情形下线性回归模型的变量选择和参数估计问题.利用M-估计方法,将最小二乘、最小一乘、分位数回归以及Huber回归统一到一般性框架下,证明了提出的惩罚似然M-估计量具有良好的大样本性质;利用向后回归与局部线性回归相结合的方法进行变量选择和参数估计,数值模拟表现较好.在超高维情形下,我们提出的一般性方法在变量选择和参数估计方面具有较好的稳健性和有效性.
为解决LED显示屏在低灰度条件下出现图像亮度损失、灰阶跳变等问题,提出一种运用抖动矩阵的LED显示屏低灰度图像增强处理算法。首先,根据LED显示原理和传统抖动算法图像增强原理,提出LED显示屏"小数灰度级"的概念,接着根据测试等相关手段获得使各像素点显示效果增强的"小数灰度级"数据,运用抖动矩阵在4帧图像中按照"误差最小原则"实现其相应的"小数灰度级"。然后,采用亚像素抖动技术进一步降低了画面抖动
针对数据集分散在不同机器的情况,本文对高维稀疏线性回归模型提出了一种通信有效的分布式学习方法,主要解决了KKT系统中的?0正则化最小二乘问题.每一轮牛顿迭代中,在每个子块上通过对KKT系统中?0正则化方法改进提高计算速度和估计的精度.对于分布存储的子块,我们的方法通过传递梯度向量从而节约数据传输的成本.实验数据表明,我们的算法可以有效地进行分布式计算,相比常用的Lasso和SCAD惩罚方法精度更高并且特征筛选可信度更高.