S—饱和集的性质及其应用

在一般拓扑空间(x,τ)的非标准扩张(“x,”τ)中引入S—饱和集的概念.在一定条件下,S_t映射对于S—饱和集保持集的基本运算.基于这一事实,证明了标准Souslin集与Loeb可测集的关系定理,得到μ_L一零集在S_t映射下是μ—零集的一个充分条件.     

上、下半连续性关系及其在经济上的应用

上、下半连续性在数学中的重要性不言而喻,在微观经济分析中也有着广泛应用,特别是静态优化问题。分别在单值映射、集值映射中探讨了上半连续性和下半连续性的关系。先证明了单值映射上、下半连续性等价的结论(定理1),并利用引理1对常见函数的上、下半连续性进行了探讨以进一步说明定理1;然后通过举反例进行论证,得出了集值映射中上、下半连续性不等价的结论(定理2);最后例举了上、下半连续性在数理经济上的应用,具有创新价值。通过对数理经济学中参数约束最优化问题的最大值定理(引理2)条件和结论所做的两点注记,并附以具体实例予以解释,说明了单、集值映射中上、下半连续性的关系,以及在数理经济上的重要应用。     

次连续(S)型映射的广义拓扑度

基于Galerkin逼近技巧,本文构造了次连续(S)型映射的广义度,讨论了该广义度的初等性质,并给出了局部有界广义伪单调映射满值性的拓扑证明。     

A—紧1—集压缩映象场的广义度理论

定义了A-紧1-集压缩映象场的广义度,扩展了1984年张庆雍建立的半紧1-集压缩映射的不动点指数理论。     

关于广义KKM定理的几点注记

本文在 H-空间中引入伪紧闭集的概念,得到一个广义 KKM 定理,从而获得了 KyFan 匹配定理以及极大极小不等式的一些新结果.     

基于SVM的坦克炮弹外弹道仿真模型

运用基于支持向量机理论试图建立一个新的坦克炮弹外弹道仿真模型,以期取得更好的仿真效果。首先,分析了支持向量机回归理论和仿真模型的构建。其次,对坦克射表数据进行整理,构建了训练样本集和测试集。最后,利用构建的训练样本集和测试集分别对模型进行训练和测试,测试结果表明:由于支持向量机的强非线性映射能力,模型获得了很好的弹道形状与瞄准角的映射关系,从而较好地解决了目前通用仿真模型中与实际相差太远、模型复杂、条件苛刻、计算量大,不便实际应用等问题。     

Banach空间中集值测度的表示定理

本文提出了用向量测度及概率测度生成集值测度的方法,推广了文[1]的结果,并给出了有界闭凸集值测度由一族等比向量测度生成的充要条件。     

基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取与识别

针对磁记忆检测中缺陷信号持续时间短且频率范围小的特点,为提取磁记忆信号的有效特征,根据矩阵奇异值的特点,提出一种基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取方法．通过将时频分布矩阵从时间轴和频率轴分别划分为不同局部矩阵,提取出各矩阵的奇异值来构造特征向量．然后,将构造的特征向量作为支持向量机的输入向量对不同检测区域的金属磁记忆信号进行识别．实验结果表明：基于Wigner—Ville分布及局部奇异值分解算法构造的特征向量能有效提取磁记忆信号的特征信息,提高支持向量机的识别精度．     

集值条件期望收敛定理

在给出了Hausdorff收敛的等价条件的基础上,得到了集值条件期望在Haus-dorff收敛意义下的单调收敛定理及在Kuratowski收敛意义下的控制收敛定理.     

由内超实度量导出的拓扑

应用非标准方法研究由内集 E 上的超实度量所导出的 Q—拓扑与 S—拓扑,给出这两种拓扑的一些重要性质:(E,Q)是完全不连通的且其紧子集都是有限集;G(X)/关于 E 上的 S—拓扑的商拓扑是可度量化且完备的;G(X)的有界子集 A 若满足A/是 S—拓扑的商空间G(X)/的闭子集,则 A 是 S—紧的,本文还讨论了 S—拓扑在构造完备度量空间的应用。     

自反Banach空间一类完全广义集值强非线性混合似变分不等式问题

研究了一类完全广义集值强非线性混合似变分不等式在自反Banach空间下的问题，借助一个极大极小不等式，证明了这类完全广义集值强非线性混合似变分不等式的解的存在唯一性定理。     

基于SDTFM理论的平面问题广义超级单元

根据平面问题条形传递函数方法理论,提出了平面问题广义超级单元的概念,并推导了其刚度矩阵和结点力矢量表达式,从而将条形传递函数方法应用范围推广到任意几何形状的平面区域     

Quadratic forms in spherical random variables: Generalized noncentral x2 distribution

Let X denote a random vector with a spherically symmetric distribution. The density of U = X'X, called a “generalized chi-square,” is derived for the noncentral case, when μ = E(X) ≠ 0. Explicit series representations are found in certain special cases including the “generalized spherical gamma,” the “generalized” Laplace and the Pearson type VII distributions. A simple geometrical representation of U is shown to be useful in generating random U variates. Expressions for moments and characteristic functions are also given. These densities occur in offset hitting probabilities.     

On the theory of semi-infinite programming and a generalization of the kuhn-tucker saddle point theorem for arbitrary convex functions

We first present a survey on the theory of semi-infinite programming as a generalization of linear programming and convex duality theory. By the pairing of a finite dimensional vector space over an arbitrarily ordered field with a generalized finite sequence space, the major theorems of linear programming are generalized. When applied to Euclidean spaces, semi-infinite programming theory yields a dual theorem associating as dual problems minimization of an arbitrary convex function over an arbitrary convex set in n-space with maximization of a linear function in non-negative variables of a generalized finite sequence space subject to a finite system of linear equations. We then present a new generalization of the Kuhn-Tucker saddle-point equivalence theorem for arbitrary convex functions in n-space where differentiability is no longer assumed.     

一种高效的支持原位计算的三角矩阵乘法向量化方法

向量处理器的向量化算法映射是难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法,采用将L1D配置为SRAM模式,用双缓冲的乒乓方式平滑多级存储结构的数据传输,使得内核的计算与DMA数据搬移完全重迭,让内核始终以峰值速度运行,从而取得最佳的计算效率;将不规则的三角矩阵乘法计算均衡分布到各个向量处理单元,充分开发向量处理器的多级并行性;将结果矩阵保存在乘数矩阵中,实现原位计算,节省了存储空间。在Matrix上的实验结果表明,提出的向量化方法使三角矩阵乘法性能达到1053.7GFLOPS,效率为91.47%。     

支持原位计算的高效三角矩阵乘法向量化方法

向量化算法映射是向量处理器的难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法:将L1D配置为SRAM模式,用双缓冲的乒乓方式平滑多级存储结构的数据传输,使得内核的计算与DMA数据搬移完全重叠,让内核始终以峰值速度运行,从而取得最佳的计算效率;将不规则的三角矩阵乘法计算均衡分布到各个向量处理单元,充分开发向量处理器的多级并行性;将结果矩阵保存在乘数矩阵中,实现原位计算,节省了存储空间。实验结果表明,提出的向量化方法使三角矩阵乘法性能达到1053.7GFLOPS,效率为91.47%。