递归序列

摘要： 运用递归序列、同余式以及平方剩余的有关性质,证明了:(1)不定方程x^(2)-8y^(4)=17仅有正整数解(x,y)=(5,1);(2)不定方程x^(2)-8y^(4)=41仅有正整数解(x,y)=(7,1),(13,2)和(71,5);(3)不定方程x^(2)-8y^(4)=73仅有正整数解(x,y)=(9,1);(4)不定方程x^(2)-8y^(4)=89仅有正整数解(x,y)=(283,10);(5)不定方程x^(2)-8y^(4)=97仅有正整数解(x,y)=(15,2).

摘要： 利用同余式、平方剩余、Pell方程的解的性质、递归序列证明了:不定方程x^(3)-1=749y^(2)仅有整数解(x,y)=(1,0).

摘要： 设p_(1),…,p_(s)是不同的奇素数,证明了:当D=2p_(1)…p_(s)(1≤s≤4)时除开D为D=2×577外,不定方程组x^(2)-72y^(2)=1与y^(2)-Dz^(2)=4仅有平凡解(x,y,z)=(±17,±2,0)。

摘要： 主要运用同余、递归序列、Pell方程解的性质等一些初等方法,对不定方程组x^(2)-90y^(2)=1与y^(2)-Dz^(2)=4的整数解进行了研究。证明了:若p,…, p是不同的奇素数,则当D=2p…p(1≤s≤4)时,除开D为2×7×103外,不定方程组x^(2)-90y^(2)=1与y^(2)-Dz^(2)=4仅有平凡解(x,y,z)=(±19,±2,0)。

摘要： 利用同余式、平方剩余、Pell方程解的性质、递归序列证明了丢番图方程x^(3)-1=38y^(2)仅有整数解(x,y)=(1,0)和(7,±3),并指出了文献[7]中的错误之处。

摘要： 设p,q为奇素数,m为大于1的整数,满足q=p+2^(m)。为了研究椭圆曲线y^(2)=x(x+εp)(x+εq)(ε∈{-1,1})的整数点,曾有不少学者对不定方程x^(2)-pqy^(4)=2^(n)(n∈N*)的正整数解产生兴趣。利用同余式、平方剩余、Pell方程解的性质、递归序列,研究了不定方程G:x^(2)-pqy^(4)=16的正整数解问题,并给出(p,q)=(5,11),(11,19)以及(5,13)时,G的全部正整数解。

摘要： 利用同余式、平方剩余、佩尔方程的解的性质和递归序列证明了不定方程x3+1=413y2的整数解只有(x,y)=(-1,0).

摘要： 利用同余式、平方剩余、佩尔方程的解的性质和递归序列证明了不定方程x^(3)+1=413y^(2)的整数解只有(x,y)=(-1,0).

摘要： 利用同余式、平方剩余、Pell方程解的性质和递归序列,证明了不定方程32x+1=4781y仅有整数解(x,y)=(-1,0).

摘要： 设q为奇素数且q≠7.利用同余式、平方剩余、Pell方程解的性质、递归序列证明了:1)当q ≡ 11,23,29,53,65,71,95,107,113,137,149,155(mod 168)时,不定方程 x3+1=7qy2 仅有整数解(x,y)=(-1,0);2)当 q≡ 11,23,29,53,71,95,107,149,155,167(mod 168)时,不定方程 x3-1=7qy2仅有整数解(x,y)=(1,0).

摘要： 本发明公开了风洞试验中基于递归Pseudo‑NARX和NARX的两阶段时间序列的马赫数预测方法，属于计算机应用技术领域。本发明包括，第一步:根据每种工况的第一次试验中获得的总压、静压和马赫数随时间的变化曲线和数值分布情况，确定时间阈值τ。第二步：每次试验的样本会根据τ划分为冲压和稳压两个阶段的批次样本。第三步：使用冲压阶段的多批次样本建立基于递归Pseudo‑NARX的马赫数模型。第四步：使用稳压阶段的多批次样本建立基于NARX的马赫数模型。本发明利用时间阈值τ将整个试验分为冲压和稳压两阶段，分别建立马赫数模型，克服了相同工况的数据不均衡问题，处理了冲压阶段的高噪声和特征冗余问题。实验结果表明所申请技术能够提高各阶段马赫数的预测精度，满足项目指标。

摘要： 本发明公开了一种基于功率谱Gabor特征序列递归模型的语音识别方法，该方法的基本步骤包括：1.对语音输入信号进行预处理；2.分别提取功率谱特征和动态谱Delta特征；3.利用时空Gabor滤波器对频谱特征进行滤波处理，并且通过PCA降维处理得到语音特征序列；4.根据语音特征序列，构造递归图；5.通过对语音递归模型进行距离检测，完成语音识别。本发明通过对语音信号进行预处理，经过特征提取得到语音特征序列，然后将语音特征序列转化为递归模型进行相似性检测，有效的解决了目前自动语音识别系统在非稳态噪声、低信噪比等复杂情况下识别率不够理想、性能容易恶化的问题，提高了语音识别算法的鲁棒性。

摘要： 本文提供了用于基于序列预测将网络流量或操作日志的特征进行上下文嵌入以进行异常检测的技术。在实施例中，计算机具有检测异常网络流的预测性递归神经网络(RNN)。在实施例中，RNN将表示日志消息的稀疏特征向量按上下文转码为密集特征向量，该密集特征向量可以是预测性的或被用于生成预测性向量。在实施例中，图嵌入改善日志踪迹的特征嵌入。在实施例中，计算机从相关日志消息中检测独立的踪迹并对其进行特征编码。这些技术可以通过对网络分组流、日志消息和/或日志踪迹的上下文感知特征嵌入进行异常分析来检测恶意活动。

摘要： 本发明公开了用于建模序列数据中长期依赖性的双重循环神经网络递归神经网络架构。学习环境的动态变化并预测将来的后果是一项最新的技术进步，其可以应用于视频预测，语音识别以及其他应用。通常，机器学习(例如深度学习模型，神经网络或其他人工智能算法)用于进行预测。但是，当前用于进行预测的人工智能算法通常仅限于进行短期未来预测，这主要是由于以下原因：1)高维视频数据中存在复杂的动态变化；2)随时间传播的预测误差；以及3)未来的内在不确定性。本公开通过提供双重(即，两部分)递归神经网络架构，使得能够建模用于进行长期预测的序列数据中的长期依赖性。

摘要： 本发明公开了风洞试验中基于递归Pseudo‑NARX和NARX的两阶段时间序列的马赫数预测方法，属于计算机应用技术领域。本发明包括，第一步:根据每种工况的第一次试验中获得的总压、静压和马赫数随时间的变化曲线和数值分布情况，确定时间阈值τ。第二步：每次试验的样本会根据τ划分为冲压和稳压两个阶段的批次样本。第三步：使用冲压阶段的多批次样本建立基于递归Pseudo‑NARX的马赫数模型。第四步：使用稳压阶段的多批次样本建立基于NARX的马赫数模型。本发明利用时间阈值τ将整个试验分为冲压和稳压两阶段，分别建立马赫数模型，克服了相同工况的数据不均衡问题，处理了冲压阶段的高噪声和特征冗余问题。实验结果表明所申请技术能够提高各阶段马赫数的预测精度，满足项目指标。

摘要： 本发明涉及使用深度递归神经网络的上下文感知特征嵌入和序列日志数据的异常检测。本文提供了用于基于序列预测将网络流量或操作日志的特征进行上下文嵌入以进行异常检测的技术。在实施例中，计算机具有检测异常网络流的预测性递归神经网络(RNN)。在实施例中，RNN将表示日志消息的稀疏特征向量按上下文转码为密集特征向量，该密集特征向量可以是预测性的或被用于生成预测性向量。在实施例中，图嵌入改善日志踪迹的特征嵌入。在实施例中，计算机从相关日志消息中检测独立的踪迹并对其进行特征编码。这些技术可以通过对网络分组流、日志消息和/或日志踪迹的上下文感知特征嵌入进行异常分析来检测恶意活动。

摘要： 本发明涉及使用深度递归神经网络的上下文感知特征嵌入和序列日志数据的异常检测。本文提供了用于基于序列预测将网络流量或操作日志的特征进行上下文嵌入以进行异常检测的技术。在实施例中，计算机具有检测异常网络流的预测性递归神经网络(RNN)。在实施例中，RNN将表示日志消息的稀疏特征向量按上下文转码为密集特征向量，该密集特征向量可以是预测性的或被用于生成预测性向量。在实施例中，图嵌入改善日志踪迹的特征嵌入。在实施例中，计算机从相关日志消息中检测独立的踪迹并对其进行特征编码。这些技术可以通过对网络分组流、日志消息和/或日志踪迹的上下文感知特征嵌入进行异常分析来检测恶意活动。

摘要： 本发明公开了一种基于随机傅里叶特征的核递归最大相关熵时间序列在线预测方法，属于时间序列在线预测领域。包括以下步骤：首先，收集时间序列历史数据并进行预处理，构建训练数据

摘要： 一种基于多元时间序列分析的自组织递归模糊神经网络的出水氨氮浓度预测方法既属于控制领域，又属于水处理领域。针对当前污水处理过程中出水氨氮浓度测量具有时滞性、成本高、精度低等问题，本发明利用一种自组织递归模糊神经网络实现对关键水质参数氨氮浓度的预测，解决了出水氨氮浓度难以测量的问题；结果表明该自组织递归模糊神经网络能够自适应改变网络结构与参数，从而实现快速、准确地预测污水处理出水氨氮的浓度，有利于提升污水处理过程出水氨氮的浓度质量监控水平和加强城市污水处理厂精细化管理。

摘要： 用于处理序列数据的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一个方面，一种计算机实现的方法包括接收为输入数据序列生成系统输出的请求，所述输入数据序列包括多个词元。一个或多个词元可以被指定为要被跳过的词元。当词元没有被指定为要被跳过的词元时，使用递归神经网络处理词元以更新递归神经网络的当前内部状态。从递归神经网络的最终内部状态生成系统输出。