关于L-函数一类二次均值的计算公式

利用解析方法以及Dedekind和的性质研究Dirichlet L-函数的一类特殊二次均值的计算问题,并给出均值∑χ(-1)=1|L(1,χλ)|2的几个精确的计算公式,其中∑χ(-1)=1表示对模q的所有偶特征求和,λ是模r的一个固定的奇特征,q及r为大于或等于3的整数且满足(r,q)=1。

关于L-函数的二次均值公式

本文利用解析方法及其三角和的估计给出Dirichlet L-函数的二次均值sum from xmodq|(L(1/2+it, x)|~2)的一个较精确的渐近公式。

关于L—函数—类二次均值的注释

本文的主要目的是利用特征的正交性给出Dirichlet L—函数在点1处的一种二次均值,当x(-1)为-1且模n为square-full数时的一个精确的计算公式。

关于Dirichlet L-函数的二次均值

本文主要是给出Dirichlet L-函数的二次均值对于一些特殊模q的一个较精确的渐近公式。

关于LerchZeta－函数的二次均值公式

本文利用解析方法给出Ｌｅｒｃｈｚｅｔａ－函数的一个较强的渐近公式．

关于n进制中数字立方和函数二次均值的计算

主要研究了n进制中数字立方和函数二次均值的计算问题,采用递推的方法,得出了n进制中数字立方和函数二次均值的计算的精确计算公式。

L-函数二次均值公式的一个新证法

利用L-函数的一个反转公式,给出L-函数二次均值一个精确公式的一种新证法.

关于L-函数一类特殊二次均值的计算问题

研究模q Dirichlet L-函数一类二次均值的计算问题。利用解析方法及Dedekind和的互反公式以及M?bius反转公式,给出其二次均值■的一个精确的计算公式,其中■表示对模q的所有偶特征求和,χ_6为模6的非主特(6,q)=1且。结论促进了Dirichlet L-函数的研究。

关于Dirichlet L-函数的二次均值

用三角和估计的指数偶方法，改进了关于ＤｉｒｉｃｈｌｅｔＬ函数的二次均值∑χｑＬ（１２＋ｉｔ，χ）２对于一些特殊模ｑ的一个较精确的渐近公式．

一个类似广义Dedekind和S_2(h,n,k)的二次均值

本文的主要目的是利用 Dirichlet L -函数的均值研究 n为奇数时 ,类似广义 Dedekind和 S2 ( h,n,k)的二次均值 ,得到了两个有趣的渐近公式 .

关于L—函数的二次均值公式

本文利用三角和估值的指数偶方法,改进了张文鹏关于(?)L—函数的二次均值(?)│L(1/2+it,x)│~2的一个渐近公式.

DirichletL-函数的一个二次加权均值定理

利用特征和估计、三角和估计及其解析方法研究 Dirichlet L-函数的二次加权均值 ,得到一个较好的二次加权均值定理以及均值分布的渐近公式∑χ≠χ0|G(m,χ) |2 |L (1 ,χ) |2 =π26φ2 (q) ∏p|q1 -1p2 +O q32 ln2 qd(q) .

均值一次二阶矩法在水质非突发性风险分析中的应用

正确认识、确定水质风险是进行环境管理的重要依据。本文将均值一次二阶矩法应用于水质非突发性风险计算 ,根据水质非突发性风险的性质和特点 ,给出了功能函数以描述水质的随机变化 ,确定水质非突发性风险概率。通过对新疆某水库水质风险的实例计算 。

L函数的一类二次均值公式

设整数ｎ≥３，定义二次均值 其中表示对模ｎ的所有偶特征求和．证明了下列公式： 其中 φ（ｎ）为Ｅｕｌｅｒ函数。

L-函数的一个二次加权均值

利用特征和估计与解析方法讨论了L-函数的二次加权均值分布,得到了一个二次加权均值分布的渐近公式。

基于二次平均法的湘潭市机关办公建筑能耗定额研究

建筑领域日益显著的高能耗与碳排放问题,使得能耗定额标准的制定尤为重要。能耗定额的制定能够评价建筑实际运行的能耗水平,并筛选出高能耗建筑施行节能的相关措施。而建筑的分类以及能耗定额指标的选取则影响着能耗定额评价的公平合理性,基于湘潭市308栋国家机关办公建筑的实际运行能耗统计数据,经过数据的有效性与稳定性分析,将办公建筑按用能人数流动性划分为A、B两类,分别采用单位面积能耗指标与人均能耗指标评价其能耗水平。根据样本数据分布特征,采用二次平均值法编制能耗定额,并与地方标准进行对比,验证了该分类方法和二次高位平均值作为能耗定额值的合理性。

二次滑动粗粒化的快速样本熵脑电情感分析

针对传统单一尺度样本熵对脑电信号(EEG)序列特征提取不明显、多尺度熵在粗粒化过程中会遗漏重要信息导致情感分类性能下降以及样本熵算法效率不高的问题,提出了一种基于二次滑动均值粗粒化的多尺度快速样本熵脑电特征提取方法。由于不同情感的脑电信号存在差异性,先采用二次滑动均值粗粒化对脑电信号进行多尺度处理,然后利用快速样本熵算法提取不同时间尺度的样本熵值作为特征向量,结合随机森林(RF)分类模型来识别不同的情感状态。提出的方法对多模态标准情感数据库DEAP进行了研究,发现大脑额区和右脑对情感比较敏感,正性、中性和负性情感在大脑侧额区获得了88.75%的平均分类准确率。实验结果表明,该方法可以有效地提取脑电特征,并且能够保证算法的效率。

关于Dirichlet L-函数的均值

对整数q≥3,设X表示模q的Dirchlet特征,L(s,X)表示对应于X的L-函数。本文的主要目的是给出L-函数的二次均值的上界估计及其渐近公式。