一类复杂等幂和问题的探讨

本文讨论了数论中的一类复杂等幂和问题,证明了下述定理:两组自然数 A_(nj)=sum from i=1 to n(10~(n-i)a_(ij))和B_(nj)=sum from i=1 to n(10~(n-i)b_(ij)),若b_(i1)=a_(i1)+r_i b_(i2)=a_(i2)-(1+m)r_i b_(i3)=a_(i3)+mr_i,a_(i1)-(1+m)a_(i2)+ma_(i3)+(1+m+m~2)r_i=0 n≥K_2≥K_1≥1,s=1,2,则sum from j=1 to 3(sum from i=K_1 to K_2(10~(K_2-i)a_(ij)))~2=sum from j=1 to 3(sum from i=K_1 to K_2(10~(K_2-i)b_(ij)))~3 本文还讨论了m和r_i的取值范围。     

集合的方程组Ai∩X=Bi(i=1,2,…,n)的解

<正> 对于已知的集合A_i,B_i,i=1,2,…,n,方程组A_i∩X=B_i(i=1,2,…,n),其中的X是未知的集合,对于这个方程组有以下的定理成立: 定理1 方程组A_i∩X=B_i,i=1,2;…,n有解的充要条件是:对任1≤i≤n有A_i(?)B_i以及对任1≤i,j≤n有A_i∩B_j=B_i∩B_j。     

单向随机模型误差方差带约束的一种齐性检测

利用多元正态总体的复相关系数检验 ,给出了单向分类随机效应模型yij=μj αi εij具有线性约束I′ΛH =0的误差方差的一种齐性检测方法 .即检验H0 :σ21=…σ2 n,其中 ,Λ =diag(σ21,σ22 ,… ,σ2 n) ,R(Hm×t) =t,μ为常量 ,αi～N(0 ,σ20 ) ,εij～N(0 ,σ2 j) ,i=1,2 ,… ,n ;j=1,2 ,… ,m为随机效应 .各αi,εj 独立 ,I′ =(1,1,…… ,1) ,检验统计量为F =R21-R2 ·n -m tm -t- 1～F(m -t- 1,n -m t) ,拒绝域为W{F >Fα(m -t- 1,n -m t) } .     

广义Bernoulli序列

设0相似文献   

多仪器同测试试验数据不确定度的一种评估方法

地于多个测量仪器同时对同一试验进行测量取得同时刻的试验数据,建立了单项分类随机效应模型γij＝μ μi εij（i=1,…,n,j=1,…,m）,εij,ii.-N,（0,σ^2j);μi,iid,-N（0,σ^20),且εij与μi独立,i＝1,…,n,j＝1,…．利用多元统计分析方法给出了各仪器在随机试验中的A不确定度的相等性检验H0：σ^21＝…＝σ^2m,对模型γij=μ＋αi βj εij;μ,αi,βj为固定效应,εij,iid.-N(0,σ^20）对仪器系统误差做了一致性检验,即H′0：β1＝…＝βm,从而给出了对不确定度的评估方法。     

多仪器同测试验数据不确定度的一种评估方法

对于多个测量仪器同时对同一试验进行测量取得同时刻的试验数据,建立了单项分类随机效应模型yij=μ+μi+eij(i=1,…,n,j=1,…,m),εij,iid.～N(0,σ2j);μi,iid.～N(0,σ20),且εij与μi独立,i=1,…,n,j=1,…,m.利用多元统计分析方法给出了各仪器在随机试验中的A类不确定度的相等性检验H0σ21=…=σ2m.对模型yij=μ+αi+βj+εij;μ,αi,βj为固定效应,εij,iid.～N(0,σ2)对仪器系统误差做了一致性检验,即h'0β1=…=βm,从而给出了对不确定度的评估方法.     

一个等距的三次样条

设△:a=x_0相似文献   

关于方差分量估计量可容许性的一个注记

Consider the following variance component model Y=Xβ+U_1ε_1+…+U_kε_k, (1) where ε_i=(ε_(il), …, ε_(ini))', i=1, …, k, are independent vectors of independent variables such that Eε_(ij)=Eε_(ij)~3=0, Eε_(ij)~4=3(Eε_(ij)~2)~2(?)3σ_i~4≥0, i=1, …, k; i=1, …, n_i, (2)     

非可微问题的一阶最优性条件

本文对定义在实赋范空间 X 中的泛函(?)引入方向导数(?)′(x;d)=(?)(?)(x td)-(?)(x-td)/2t研完了非可微最优化问题(p) minF(x):=sum from i=1 to m C_i (?) g_(ij)(x)存在局部极小的必要条件和充分条件,其中,g_(ij):X→R,C_i>0。     

方差分量模型中回归系数的线性估计的可容许性

考虑方差分量模型EY=Xβ,COV(Y)=∑mi=1θiVi,其中n×p 矩阵X和非负定矩阵Vi(i=1,2,...,m)都是已知的,β∈Rp,θi0或θi＞0(i=1,2,...,m) 均为参数.在本文中,我们在二次损失下, 当μ(V1∶V2∶…∶Vm∶X)=Rn时,给出了关于可估函数Sβ的线性估计在线性估计类中可容许性的充要条件.     

奇异超线性和次线性n阶m点边值问题的非平凡解

在相应线性算子第一特征值的条件下,讨论超线性和次线性n阶m点边值问题{u(n)(t)+a(t)f(u(t))=0,t∈(0,1)m-2,其中:n≥2,m≥2,0η1η2…u(0)=u'(0)=…=u(n-2)(0),u(1)=∑αiu(ηi)i=1m-2ηm-21,αi0,(i=1,2,…,m-2)且∑αiηn-1i1.在此允许a(x)在x=0和x=1奇异,f不i=1必是非负的.利用锥上的拓扑度理论获得非平凡解的存在性.     

障碍函数法的一个注

0 引言带有不等式约束的极值问题,一般形式是 Min f(x) (1) s.t.gi(x)≥0(i=1,2,…,m)其中f(x)称为目标函数,gi(x)(i=1,2,…,m)是不等式约束函数,集合 D={x|gi(x)≥0,i=1,2,…,m}为(1)的可行域。如果f(x),gi(x)(i=1,2,…,m)都是线性函数,(1)为线性规划,否则为非线性规划。本文讨论的是非线性规划问题。     

裁元齐次Moran集的Hausdorff维数

将齐次Moran集迭代过程中的κ项序列集Dκ=｜（i1,…iκ）：1≤ij≤nj,1≤j≤κ｜,裁减为Dκ=｜（i1,…,iκ）：1≤ij≤nj,ij≠2且t≠3除非ij=1,2≤j≤κ｜,并确定了相应的裁元齐次Moran集的Hausdorff维数。     

具有周期捕获的广义Lotka-Volterra竞争系统的周期解

讨论广义Lotka-Volterra竞争系统x_i=x_i(b_i(t)—sum form j=1 to n a_(ij)(t,x)x_j)+P_i(t),i=1,2,…,n的周期解的存在性,及其持久性。     

关于曲面的混合插值样条

设π:0=x_0相似文献   

关于方程1/m_1~2-1/n_1~2=1/m_2~2-1/n_2~2=…=1/m_k~2-1/n_k~2的正整数解

文献[1]指出,丢番图方程1m21-1n21=1m22-1n2n=…=1m2k-1n2k,当k≥2时恒有一组正整数解。本文作者证明了这方程在k≥2时恒有无穷多组满足(m1,n1,m2,n2,…,mk,nk)=1的正整数解,但无恒满足(mi,ni)=1(i=1,2,…,k)的正整数解。     

实二次型的一个应用

推广了实二次型的一个重要结论,证明了:设f(x1,x2,…,xn)= xTAx,x∈ Rn 是实二次型,若存在α,β∈R n,使f(α)f(β)<0,则R n 中存在一组基α1,α2,…,α n,满足Rn=?n L(α i),L(α i)是α i 生成的子i =1空间,i =1,2,…,n,且任意x∈∪n i =1 L(α i),f(x)= 0,并举例加以说明.     

一般方差分量模型中回归系数的线性估计的可容许性

考虑方差分量模型EY=Xβ,COV(Y)=∑mi=1θiVi,其中n×p 矩阵X和非负定矩阵 Vi(i=1,2,…,m)都是已知的,β∈Rp ,θi0或θi＞0(i=1,2,…,m) 均为参数.在本文中,我们在二次损失下,当V＝∑mi=1Vi≥0时,给出了关于可估函数Sβ的线性估计在线性估计类中可容许性的充要条件,从而有效地把文[5]的主要结果推广为最一般情形.     

具有几何不变性神经元网络进行模式识别

1943年,McCulloch 和 Pitts 首次提出神经元网络模型:y=sgn(∑w_(ij)x_i-θ_i),i=1,2,3,…,N.模拟了神经元的突触权重迭加和阈值运算特性,奠定了人工神经网络的理论.1949年,Hebb 提出了突触权重调节的学习法则:△w_(ij)=ηij 第一次提出突触可塑性理论.根据 MP 模型和 Hebb 原理,在最近二十年,出现了许多神经元模型和相应的学习算法.近年来,人们把神经网络广泛地用于字符识别、语声识别和图象识别等领域,并且取得     

Fuzzy关系的有补t-范构造

本文利用有补t-范对Ai∈F(X)和Bi∈F(Y),i=1,2,…,n构造Fuzzy关系R∈F(X×X),使得Ai(?)R=Bi,N(Bi)(?)R~1=N(Ai)(N(Ai),N(Bi)分别表示Ai和Bi的补),并在适当条件下给出了这类R的上界与极小元。