多元位置向量的Rd型Minimax稳健估计

Ｒｄ型估计族是Ｍ型估计的一个重要子族，在该估计族中，文章给出了多元位置向量μ的Ｍｉｎｉｍａｘ稳健估计，以及相应的最不利分布。

双曲空间H^3(-1)内给定主曲率函数的一类特殊曲面的位置向量场

通过对一类常微分方程组的求解条件的讨论 ,给出了 H3(- 1)内给定主曲率函数的一类特殊曲面的整体存在定理和求出了该类曲面的位置向量场 ,从而对黄宣国提出的一个问题给出了完满的解答 .

空间型中位置向量场的性质及其应用

讨论空间型中的位置向量场,建立一组统一的公式,将子流形的平均曲率向量场与位置向量及其衍生函数的Laplacian联系在一起.给出一些在空间型子流形几何上的有趣应用.

三维Minkowski空间中有相等主曲率函数的一类特殊曲面的位置向量场

讨论三维Minkowski空间R^2,1中一类特殊曲在主曲率函数相等时的情形，给出了这类曲面在这一情形下的位置向量场。

一种基于位置向量挖掘最大频繁集的算法

提出了一种新的挖掘最大频繁集的深度优先算法GMPV。该算法利用集合枚举树,并用位置向量来表示项目子集,挖掘过程中使用了超集检测和基于支持度的剪枝技术,减少了某些项目子集的支持度计算。

给定主曲率函数的一类特殊曲面的位置向量场

本文给出了 Ｒ３，Ｒ２．１内给定主曲率函数的一类特殊曲面在定义域范围内的位置向量场，从而完满地解决了［１］中所讨论的问题．

基于位置向量统计的光谱匹配算子

针对传统光谱匹配算子在“异物同谱”现象下对光谱精细化差异分辨能力较弱的情况,提出基于位置向量统计(PVS)的光谱匹配算子,同时提出通过匹配算子融合来提高目标识别的方法。PVS算子是在光谱吸收特征中吸收深度的一个延伸,算子首先利用位置向量对光谱曲线进行放大,然后利用投票统计的方法进行地物划分。实验结果表明,在检测概率为70%的情况下,PVS算子的虚警率在两个数据集上平均降低了1.73个百分点和4.77个百分点;同时在算子融合识别中,在检测概率为75.43%的情况下,融合PVS算子的虚警率在两个数据集上平均能够分别降低2.35个百分点和8.26个百分点。

基于位置降噪和丰富语义的电子病历实体关系抽取

当前的电子病历实体关系抽取方法存在两个问题:忽视了位置向量噪声和语义表示匮乏。该文提出一种基于位置降噪和丰富语义的实体关系抽取模型。模型首先利用位置信息和专业领域语料训练的词向量信息获取每个词的注意力权重,然后将此权重与通用领域语料训练的词向量结合,实现位置向量降噪和丰富语义引入,最后根据加权后的词向量判断实体关系类型。该方法在2010年i2B2/VA语料上进行实验评估,F_(1)值为76.47%,取得了基于该语料的最优结果。

日本国立大学最新入学试题选讲——平面向量

日本高中数学教材中平面向量的内容包括：（一）向量的线性运算：加法、减法、实数倍，向量的成分，向量的内积（定义、性质、成分）；（二）向量与平面图形：位置向量，向量方程式（直线、法线、圆）；（三）向量的应用：内积的应用，三点在一条直线上，两直线的交点．

几何中的向量方法

向量引入中学数学，它既是研究几何的工具，也是研究代数的工具，集数形于一身，是数形结合思想的典型表现．向量的魅力在于表达和运算．向量能表示图形中的线段，能表示图形中的点（位置向量），能表示它们平行、共线、垂直、夹角等诸多关系，更重要的是能直接让线段和点以向量的形式参与到运算中，以一种全新的方式来研究几何图形，带来思维上的便捷和运算上的高效．因此，在教学实践中应注重从向量的角度思考问题、培养学生应用向量的自觉意识．

动态调整语义的词性加权多模态情感分析模型

为更好地利用单词词性包含的语义信息和伴随单词出现时的非自然语言上下文信息,提出动态调整语义的词性加权多模态情感分析(part of speech weighted multi-modal sentiment analysis model with dynamic semantics adjustment,PW-DS)模型.该模型以自然语言为主体,分别使用基于Transformer的双向编码器表示(bidirectional encoder representation from Transformers,BERT)模型、广义自回归预训练(generalized autoregressive pretraining for language understanding,XLNet)模型和一种鲁棒优化的BERT预训练(robustly optimized BERT pretraining approach,RoBERTa)模型为文本模态做词嵌入编码;创建动态调整语义模块将自然语言和非自然语言信息有效结合;设计词性加权模块,提取单词词性并赋权以优化情感判别.与张量融合网络和低秩多模态融合等当前先进模型的对比实验结果表明,PW-DS模型在公共数据集CMU-MOSI和CMU-MOSEI上的平均绝对误差分别达到了0.607和0.510,二分类准确率分别为89.02%和86.93%,优于对比模型.通过消融实验分析了不同模块对模型效果的影响,验证了模型的有效性.

向量解几何题

向量解几何题王小梅（数学系）向量（包括常向量和向量函数）是数学各科及物理学等学科普遍使用的基本知识。在力学和工程技术上有广泛的应用，同时，它又是代数学中的重要概念向量空间的一个几何实现。此外，使用向量的基本性质和运算法则解决初等数学问题，特别是解决几...

融合位置权重的基于注意力交叉注意力的长短期记忆方面情感分析模型

针对传统的基于注意力机制的神经网络模型不能对方面特征和情感信息进行有效关注,以及不同距离或不同方向的上下文词对方面词的情感极性判断有不同的贡献等问题,提出一种融合位置权重的基于注意力交叉注意力的长短期记忆方面情感分析模型(LWAOA-LSTM)。首先,为词向量加入位置权重信息;然后,使用长短期记忆(LSTM)网络同时对方面和句子进行建模以生成方面表示和句子表示,同时通过注意力交叉注意力模块共同学习方面和句子的表示以获得方面到文本和文本到方面的交互关注,并自动关注句子中的重要部分;最后,在景点、餐饮、住宿不同主题数据集上进行实验,验证了该模型对方面情感分析的准确性。实验结果表明,所提模型在景点、餐饮、住宿主题数据集上的准确率分别达到78.3%、80.6%和82.1%,取得了比传统LSTM网络模型更好的效果。

基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法

针对现有多模盲均算法(MMA)收敛速度较慢、均方误差大的缺陷,提出一种基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法(DNA-GBA-FS-MMA)。该算法利用分数间隔均衡器对信号进行过采样,以获取更多信道信息;将DNA遗传算法引入到蝙蝠算法中,得到一种DNA遗传蝙蝠算法(DNA-GBA),利用这个新算法来寻找蝙蝠群的全局最优位置向量,并作为多模盲均衡算法初始化最优权向量的实部与虚部。仿真结果表明,与现有的MMA相比,DNA-GBA-FS-MMA的稳态误差最小、收敛速度最快、星座点最清晰紧凑。

EB样条曲线曲面顶点的反算及特殊情形的讨论

本文给出了一种新的EB样条曲线、曲面在各种边界条件下的反算矩阵通式;并且讨论了特征多边形顶点共线和重顶点对两种较常用(即k=0和k=1/8时)的EB样条曲线形状变化的影响。其结果表明,适当迭取顶点共线和重顶点能使EB样条曲线、曲面满足实际应用中复杂外形设计对曲线、曲面的特殊要求。

一类以凹五边形为基底的7-体双金字塔中心构型

讨论了一类以凹五边形为基底的 7 体构成双金字塔中心构型的必要条件 .在某些对称条件下 ,给出了 7 体构成双金字塔中心构型的必要条件或充要条件 .如果m1,m2 ,… ,m7构成双金字塔中心构型 (其中m5位于m1,… ,m4构成的凸四边形的对角线的交点处 ,m6,m7的连线过m5且垂直于m1,m2 ,… ,m5构成的基底并且到基底的距离相等 ) ,那么 ,m6=m7;在该双金字塔中心构型中 ,若m1,… ,m4构成一伞形 ,则其中一条对角线上的两个质量相等 ;在该双金字塔中心构型中 ,m1,… ,m4构成平行四边形的充分必要条件是该平行四边形是菱形且每条对角线上的两个质量相等 ,m1,… ,m4构成矩形当且仅当该矩形为正方形且m1,… 。

六自由度Stewart平台运动学遗传神经网络正解

近年来,舰载相控阵雷达发展迅速,对其隔振措施和隔振机构的要求也越来越高。Stewart平台为一种通常的空间六自由度并联机器人,在舰载相控阵雷达中具有广泛的应用。为了解析Stewart平台工作空间和设置机构误差步长,必须运动学求解。本文针对当前Stewart平台正解法存在的问题,基于传统的正解法和Stewart平台结构,提出一种遗传神经网络正解算法,通过仿真验证可知,该方法具有较高的收敛性和较快的速度,有进一步推广应用的潜力。

R^3内给定Gauss曲率函数的旋转曲面

讨论了R^3内给定Gauss曲率函数的旋转曲面的存在性问题并且给出了这类曲面的位置向量场．

BIBD循环置换矩阵的多进制LDPC码构造

提出了基于均衡不完全区组设计(Balanced Incomplete Block Design,BIBD)的多进制准循环LDPC(Low-Density Parity-Check)码代数构造方法。在该构造方法中提出了广义多进制位置向量的概念,并根据广义多进制位置向量和BIBD法对指数矩阵进行广义二维扩展,构造出具有循环置换子矩阵的多进制校验矩阵,由此得到girth不小于6的多进制LDPC码。仿真结果表明,采用FFT-QSPA(基于快速傅里叶变换的多进制和积算法)对构造出的LDPC码进行译码,在AWGN信道下相比于同参数的RS码来说可以取得明显的编码增益,并且优于多进制Mackay码。