The infinite generator of α-times Integrated C semigroups and the properties of resolvent are given. At the same time, we discuss the relationship between the existence of strong solution of a class of nonhomogeneous...The infinite generator of α-times Integrated C semigroups and the properties of resolvent are given. At the same time, we discuss the relationship between the existence of strong solution of a class of nonhomogeneous abstract Cauchy problem and α-times integrated C semigroups, and a sufficient and necessary condition is obtained.展开更多
科技领域的衍生行业因普遍存在强时间约束的特性而累积了海量的高维时间序列数据,严峻的数据压力导致传统的数据建模预测方法受制于数据规模和属性维度。支撑高质量的服务对大数据智能预测技术提出了更高的要求,如何在数据层面上实现预...科技领域的衍生行业因普遍存在强时间约束的特性而累积了海量的高维时间序列数据,严峻的数据压力导致传统的数据建模预测方法受制于数据规模和属性维度。支撑高质量的服务对大数据智能预测技术提出了更高的要求,如何在数据层面上实现预测性能的提升是现阶段亟待解决的主要问题。针对上述问题,提出了针对多元时序数据的特征再抽象(Feature Re-Abstraction,FRA)算法,首先通过RobustSTL分解算法提取趋势性和季节性特征(Trend and Seasonality Features,TSFs),实现多元数据的特征二阶抽象,以“抽象即特征”替代传统“标签即特征”的提取策略,再通过Pearson相关系数的运算结果评估再抽象技术捕捉的TSFs与目标参数间的相关强度,证实TSF的数据价值。在FRA算法的基础上结合深度学习模型构建基于数据驱动的多元时序预测算法,通过预测效果验证FRA算法的有效性。实验结果表明,引入TSFs作为数据驱动模型的训练向量能够兼具数据降维、降噪及强相关特性地维持,从而避免模型过拟合并缓解模型欠拟合,提高时序预测算法的准确性和鲁棒性。展开更多
[目的/意义]基于文献计量学的新兴技术预测方法能够避免现有德尔菲法的专家依赖性,但是文献所属技术领域的划分仍需依据领域知识设计复杂的检索式。[方法/过程]提出了一种基于机器学习和时间序列预测的新兴技术预测方法,LDA主题模型与S...[目的/意义]基于文献计量学的新兴技术预测方法能够避免现有德尔菲法的专家依赖性,但是文献所属技术领域的划分仍需依据领域知识设计复杂的检索式。[方法/过程]提出了一种基于机器学习和时间序列预测的新兴技术预测方法,LDA主题模型与SVM(支持向量机)分类模型连用的机器学习方法解决了海量论文摘要数据按照新兴技术类别的多分类,通过ARIMA(差分自回归移动平均模型)模型对时序论文未来数量的预测,分析以技术为驱动力的新兴技术发展趋势。[结果/结论]最后,以机器人技术为例,提取Web of Science(WOS)论文数据库上万条数据,对7个新兴领域发展趋势进行预测,为新兴技术预测工作提供有益的数据和方法支持。展开更多
提出了一种基于时间抽象状态机(timed abstract state machine,简称TASM)的AADL(architecture analysis and design language)模型验证方法.分别给出了AADL子集和TASM的抽象语法,并基于语义函数和类ML的元语言形式定义转换规则.在此基础...提出了一种基于时间抽象状态机(timed abstract state machine,简称TASM)的AADL(architecture analysis and design language)模型验证方法.分别给出了AADL子集和TASM的抽象语法,并基于语义函数和类ML的元语言形式定义转换规则.在此基础上,基于AADL开源建模环境OSATE(open source AADL tool environment)设计并实现了AADL模型验证与分析工具AADL2TASM,并基于航天器导航、制导与控制系统(guidance,navigation and control)进行了实例性验证.展开更多
文摘The infinite generator of α-times Integrated C semigroups and the properties of resolvent are given. At the same time, we discuss the relationship between the existence of strong solution of a class of nonhomogeneous abstract Cauchy problem and α-times integrated C semigroups, and a sufficient and necessary condition is obtained.
文摘科技领域的衍生行业因普遍存在强时间约束的特性而累积了海量的高维时间序列数据,严峻的数据压力导致传统的数据建模预测方法受制于数据规模和属性维度。支撑高质量的服务对大数据智能预测技术提出了更高的要求,如何在数据层面上实现预测性能的提升是现阶段亟待解决的主要问题。针对上述问题,提出了针对多元时序数据的特征再抽象(Feature Re-Abstraction,FRA)算法,首先通过RobustSTL分解算法提取趋势性和季节性特征(Trend and Seasonality Features,TSFs),实现多元数据的特征二阶抽象,以“抽象即特征”替代传统“标签即特征”的提取策略,再通过Pearson相关系数的运算结果评估再抽象技术捕捉的TSFs与目标参数间的相关强度,证实TSF的数据价值。在FRA算法的基础上结合深度学习模型构建基于数据驱动的多元时序预测算法,通过预测效果验证FRA算法的有效性。实验结果表明,引入TSFs作为数据驱动模型的训练向量能够兼具数据降维、降噪及强相关特性地维持,从而避免模型过拟合并缓解模型欠拟合,提高时序预测算法的准确性和鲁棒性。
文摘[目的/意义]基于文献计量学的新兴技术预测方法能够避免现有德尔菲法的专家依赖性,但是文献所属技术领域的划分仍需依据领域知识设计复杂的检索式。[方法/过程]提出了一种基于机器学习和时间序列预测的新兴技术预测方法,LDA主题模型与SVM(支持向量机)分类模型连用的机器学习方法解决了海量论文摘要数据按照新兴技术类别的多分类,通过ARIMA(差分自回归移动平均模型)模型对时序论文未来数量的预测,分析以技术为驱动力的新兴技术发展趋势。[结果/结论]最后,以机器人技术为例,提取Web of Science(WOS)论文数据库上万条数据,对7个新兴领域发展趋势进行预测,为新兴技术预测工作提供有益的数据和方法支持。
文摘提出了一种基于时间抽象状态机(timed abstract state machine,简称TASM)的AADL(architecture analysis and design language)模型验证方法.分别给出了AADL子集和TASM的抽象语法,并基于语义函数和类ML的元语言形式定义转换规则.在此基础上,基于AADL开源建模环境OSATE(open source AADL tool environment)设计并实现了AADL模型验证与分析工具AADL2TASM,并基于航天器导航、制导与控制系统(guidance,navigation and control)进行了实例性验证.