WOD随机变量序列加权和的完全收敛性

来源 :高校应用数学学报:A辑 | 被引量 : 0次 | 上传用户:liyang12886
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
应用WOD随机变量序列部分和最大值的Rosenthal型矩不等式,结合三段截尾法,研究了WOD随机变量序列加权部分和最大值的完全收敛性,所得的定理推广和改进了先前相应文献的一些结果.
其他文献
研究一类随机惯性时滞神经网络稳定性问题.通过引入适当变量变换将二阶微分系统转换为一阶微分系统,利用同胚映射,Ito公式和微分算子,构造恰当的Lyapunov函数和采用递推归纳,
利用陪集Sp(2n+4,C)/P的双纤维化,其中P为Sp(2n+4,C)的抛物子群,得到四元Heisenberg群的Twistor-变换,进而得到四元Heisenberg群上切向k-Cauchy-Fueter方程的解:Penrose-积分
为了提高人脸识别的正确率,针对单样本人脸识别训练样本存在的缺陷,提出一种基于图像分块和特征选择的单样本人脸识别算法。首先将人脸图像划分成子块,并分别提取各子块的特征,连接成人脸图像特征向量,然后采用多流形判断分析算法选择对人脸识别结果贡献较大的特征。最后计算采用支持向量机对人脸进行识别,并采用Yale B和PIE人脸库对本文人脸算法的有效性和优越性进行仿真测试。仿真结果表明,相对于当前典型人脸识别
建立了毒杂草与可食牧草相互竞争作用下的离散型两种群竞争模型,对毒杂草种群具有扩散因子的相互竞争模型进行分析.应用稳定性理论及比较原理,得到了模型平衡点稳定的条件及