正则性

摘要： 针对目前基于正则性辅助的多目标优化算法缺少局部信息以及模型参数设置对多目标优化算法的影响问题,本研究提出一种基于正则性辅助的多目标优化进化算法(Regularity Assisted Multi-objective Optimization Evolutionary Algorithm,RAMEA)。该方法将高斯采样和基于邻域的交配重组结合并用于子代重组,同时使用k-均值聚类方法获取流形结构信息,将种群划分为K个聚类,用K个聚类的均值向量建立高斯概率模型,从中抽取K个后代,然后将取样解作为父代添加到每个集群中去交配生成其他子代解。实验对比结果表明,研究提出的基于正则性辅助的多目标优化进化算法明显优于其他算法,其参数灵敏度和有效性表现更加突出。

摘要： 主要研究3维不可压Boussinesq方程解的正则性问题,运用能量估计的方法,证明了在BMO-1空间意义下涡度▽×u的正则性准则.另外,用同样的方法,还证得在各向异性Lorentz空间下关于压力π的一个正则性准则.所得结果推广了已有的结论.

摘要： 研究了二维带状区域中无磁扩散不可压缩磁流体动力学系统的初边值问题.利用其在平衡态附近扰动系统线性问题的显式解,建立了在平衡态(0,e_(2))附近线性化系统在速度上的Navier型边界条件下强解的线性衰减.此外,利用各向异性Sobolev技术得到了系统整体强解的H^(3)-正则性.

摘要： 研究了Schrödinger方程的正则性和能观测性.在Neumann边界控制和同位观测下,利用适定性结果,证明了系统在G.Weiss意义下是正则的,其直接传输算子为零,并建立了能观测性不等式.

摘要： 文章以某连续刚构桥外观检测为背景,应用数学上的小波变换和正则性对采集到的信号进行分析,通过小波变换识别损伤位置。采用Lipschitz指数对桥梁损伤程度进行科学评估,实时提供桥梁健康状况,为桥梁正常运营提供可靠数据。研究表明,该桥最小损伤识别程度为3%;Lipschitz指数在单处损伤工况中较多处损伤工况要稳定,在多处损伤工况中,相互之间有一定的干扰,但是影响不大,足够满足工程应用的精度要求;选用不同的小波基对损伤评估也有一定的影响,鉴于本文研究建议选用MexH小波函数。

摘要： 与微分方程解的适定性或不适定性比较,解的正则性的具体涵义不是很确定。除了微分方程的解,数学学科中很多对象都有正则性研究,并且,不同的数学对象有不同的正则性,不同的方法有不同的正则性的研究方法。该文从黎曼积分的定义、一般函数的磨光及微分方程的广义解的意义这3个方面,详细论述这些解的正则性及为什么要研究它们的正则性。最后给出了作者对正则性涵义的一般理解。

摘要： 该文研究具有一般幂次散焦非线性导数薛定谔方程,给出了解的构造并证明该解在索伯列夫空间H^(s)中是不适定的.当2≤k≤4时,解在H^(s)中不适定指标s的上界为1/k;当k>4时,不适定指标s的上界为1/2−1/k.

摘要： 研究高阶Allen-Cahn系统的吸引子的正则性.首先,利用线性算子的正则性估计证明Allen-Cahn系统的解在Hγ(γ≥0)空间中有界;然后,通过迭代方法得到方程在Hγ(γ≥0)空间中存在有界的吸收集.进而根据分数次空间吸引子存在性定理得到在Hγ(γ≥0)空间中全局吸引子的存在性.

摘要： 里斯表示定理是连接泛函分析与测度论的桥梁,本文通过例子说明在该定理的假设下得到的Borel测度一般不具有正则性,只有加强该定理的条件,才可得到相应的正则测度。

摘要： 该文研究了 S2上LL方程的n维平面波解.基于Hasimoto变换得到了平面波型的等价薛定谔方程,利用Strichartz估计和傅里叶变换下的能量方法,证明了在小初值条件下该类解的全局存在性.得到的全局解是光滑且空间范数落在任意阶希尔伯特空间中,该文中的结果提高了论文[3]中解的正则性.

摘要： 研究了闭正则模糊拟阵的子拟阵的正则性等性质.得到了闭正则模糊拟阵的两种子拟阵的正则性等性质,即k-子拟阵为闭正则模糊拟阵,限制子拟阵不是闭正则模糊拟阵,给出了闭正则模糊拟阵的收缩拟阵为闲正则模糊拟阵等结论.

摘要： 在数字信息时代，功能强大的图像编辑工具使得普通用户能够轻而易举地编辑、篡改图像数据，验证图像的真实性和完整性日趋重要.提出了一种基于小波系数正则性的JPEG2000图像拼贴篡改检测算法。由于图像拼贴操作通常会引入突显的强边缘，这些强边缘在小波域体现为低正则区.依据小渡系数幅值随分解尺度而衰减的特性来估测图像各区域的正则性。通过检测图像是否存在低正则区来判断图像是否被篡改.实验结果表明，该算法能够准确检测出JPEG2000图像的拼贴篡改，并能够对篡改区域进行较为精确的定位.

摘要： 本文考虑一类三维Ginzburg-Landau型方程周期初值问题。在方程参数的一定限制条件下，首先，应用先验估计方法得到了方程整体解的高阶光滑性；然后，应用紧致性原理证明了解算子在Sobolev空间中存在整体吸引子；最后，应用半群分解方法证明了吸引子的正则性。

摘要： 根据Hilbert弱零点定理,若一组多项式方程无公共零点。则其生成理想约化的Gr(o)bner基为{1},提出基于Gr(o)bner基理论的Bézier曲线曲面正则性判定法。这主要因为正则性判定可以转化为关于参数的超定非线性代数方程组的求解问题,它的判定条件实质上就是判断上述方程组有无公共解.如果方程组无解,则Bezier曲线曲面正则；否则,曲线曲面在代数闭域上存在奇点。由于Bezier曲线曲面是实曲线曲面且参数是有取值范围的,我们对后一类问题利用约化的Gr(o)bner基中元素构成的方程组进行数值求解.然后,根据根据参数值判断曲线曲面的正则性。该方法与文献[1]中的方法相比,判定条件简单,在判定过程中不需要对方程组进行隐式化处理,最后判定时不需要进行大规模的行列式计算.另外,当曲线曲面非正则时,利用该方法可得到奇点。处参数的符号解.对符号解进一步进行实根隔离,可得到所有奇点的参数值及直角坐标。

摘要： 近年来,含有分数阶元件的网络及其策动点函数的问题成为新的研究点.由于分数阶元件的出现破坏了传统网络中元件无源性与阻抗函数正实性之间的等价关系,原有的整数阶双二次阻抗函数的判断与综合方法需要重新考虑.本文基于简单分数阶电路的阻抗形式,通过变量代换的方法结合双变量正实函数的定义得到了分数阶双二次阻抗函数为正实函数的充分必要条件.根据正则函数在s域的定义结合得到的正实函数的充分必要条件得到了分数阶双二次阻抗函数为正则正实函数的充分必要条件.对于满足上述结论的分数阶正则正实电路,拟采用五元件串并联网络进行实现,文中图1与图2的实现验证了本文所提方法的正确性.

摘要： 在模糊化收敛理论的框架下,提出了模糊化Cook-Fischer对角条件.在阐述Cook-Fischer对角条件的合理性的同时,文中结果表明满足Cook-Fischer对角条件的模糊化收敛结构越是预拓扑的,而且证得模糊化收敛结构是拓扑的当且仅当其满足Cook-Fischer对角条件.作为应用,本文还证得Cook-Fischer对角条件可以描述收敛结构的正则性.

摘要： 分数阶扩散方程描述了一类具有记忆效应的反常扩散现象,在很多方面都有广泛的实际应用.本文在H4(Ω)空间引入新的范数,对基于分数阶方程特征展开得到的解析解提高正则性至H1(δ0,T:H2(Ω)∩H01(Ω)∩L2(δ0,T:H4(Ω)∩H01(Ω)),在此正则性下,通过化1/2阶变系数扩散方程为空问方向四阶的抛物方程,对一般的一维变系数1/2阶扩散方程给出了包含四阶导数项的Carleman估计.

摘要： "随机"这个概念用得非常广泛,但是至今仍然没有一个获得公认的定义[1,2].针对这种情况,本文提出了随机就是不可预测的论断并论证其合理性.然后在此基础上讨论了几个与随机有关的重要问题,包括随机性与正则性(无偏性)、随机的来源以及随机数的产生等.

摘要： 探讨了一类Max-代数上矩阵的广义逆,得到了Max-代数上矩阵正则的基本性质及判定方法.同时,引入矩阵空间分解的概念,并证明一个矩阵是正则的当且仅当它是可空间分解的.

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的输入字符依次输入文本正则化模型对应的循环神经网络中，其中输入文本对应的输入字符序列按照如下方式生成：按照第一预设粒度对输入文本进行分割得到第一分割结果；将第一分割结果中的具有至少两种正则化结果的非汉字字符进行标签化处理；基于循环神经网络对各输入字符进行分类，得到输入字符序列的预测分类结果；根据输入字符序列的预测分类结果与输入文本的正则化文本的标注分类结果之间的差异，对神经网络的参数进行调整；该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该文本正则化模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的字符依次输入待生成的文本正则化模型对应的神经网络中，文本正则化模型对应的神经网络包括编码器和解码器；对输入字符序列中的每个字符，基于解码器中的隐藏层在对输入的上一个字符解码后的状态，采用编码器进行编码，得到字符的中间语义向量，并采用解码器对中间语义向量进行解译，得到字符的预测结果；根据输入字符序列的预测结果与输入文本对应的标注结果之间的差异，对神经网络的参数进行调整。该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性和准确性。

摘要： 本发明公开了一种基于流形正则和范数正则的领域迁移极限学习机方法。在传统的极限学习机基础上，引入半监督学习和迁移学习的思想，构造了一种新的极限学习机模型，由3部分组成：能够挖掘有标签和无标签数据样本的几何分布形状实现半监督学习的流形正则项；同时考虑源领域数据和目标领域数据误差最小化以实现迁移学习的损失函数项；约束权值空间的范数正则子。本发明结合源领域来处理目标领域的预测问题，提高了极限学习机的泛化能力和应用范围。其中，流行正则项的引入也使得本发明提出的方法能够在带标签的数据较少时依然能够保持较好的学习效果，克服了传统机器学习方法需要大量有标签数据的限制，同时也提高了预测的准确性和鲁棒性。

摘要： 本发明涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。

摘要： 本申请提供了一种特殊字符的正则化方法和装置、特殊字符的正则化模型的训练方法和装置、计算机设备，以及计算机可读存储介质。其中，正则化方法包括：将初始文本中的数字替换为对应的数字类别，得到目标文本，初始文本包括特殊字符的组合，特殊字符包括数字，数字类别包括数字的长度信息和/或数字中所包含的歧义数字的位置信息，歧义数字是指具有不同发音的数字；对目标文本进行编码，得到语义表示矩阵；基于语义表示矩阵确定每个特殊字符对应的目标发音类别，目标发音类别选自多个预设发音类别，每个特殊字符对应至少一个预设发音类别。该正则化方法解决了现有技术中特殊字符的正则化模型的训练样本的标注工作量较大的问题。

摘要： 本文公开的是与正则表达式的自动生成相关的技术。在一些实施例中，正则表达式生成器可以接收包括一个或多个字符序列的输入数据。正则表达式生成器可以将字符序列转换成正则表达式代码和/或跨度数据结构的集合。正则表达式生成器可以标识由正则表达式代码和/或跨度的集合共享的最长通用子序列，并且可以基于最长通用子序列来生成正则表达式。

摘要： 本文公开的是与正则表达式的自动生成相关的技术。在一些实施例中，正则表达式生成器可以接收包括一个或多个字符序列的输入数据。正则表达式生成器可以将字符序列转换成正则表达式代码和/或跨度数据结构的集合。正则表达式生成器可以标识由正则表达式代码和/或跨度的集合共享的最长通用子序列，并且可以基于最长通用子序列来生成正则表达式。

摘要： 本发明提供了一种正则表达式的生成方法及基于正则表达式的数据提取方法。其中，该正则表达式的生成方法包括：确定原始数据字符串中待提取字段和非待提取字段；针对非待提取字段，进行通配过滤获得其正则表达式，针对待提取字段，遍历字符串将字符与表达式一一对应获得其正则表达式；将待提取字段的正则表达式和非待提取字段的正则表达式，按照待提取字段和非待提取字段在原始数据字符串中的排列顺序进行合并，以获得原始数据的正则表达式。通过本发明，可减少了正则表达式的书写难度，提升数据提取效率。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该文本正则化模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的字符依次输入待生成的文本正则化模型对应的神经网络中，文本正则化模型对应的神经网络包括编码器和解码器；对输入字符序列中的每个字符，基于解码器中的隐藏层在对输入的上一个字符解码后的状态，采用编码器进行编码，得到字符的中间语义向量，并采用解码器对中间语义向量进行解译，得到字符的预测结果；根据输入字符序列的预测结果与输入文本对应的标注结果之间的差异，对神经网络的参数进行调整。该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性和准确性。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的输入字符依次输入文本正则化模型对应的循环神经网络中，其中输入文本对应的输入字符序列按照如下方式生成：按照第一预设粒度对输入文本进行分割得到第一分割结果；将第一分割结果中的具有至少两种正则化结果的非汉字字符进行标签化处理；基于循环神经网络对各输入字符进行分类，得到输入字符序列的预测分类结果；根据输入字符序列的预测分类结果与输入文本的正则化文本的标注分类结果之间的差异，对神经网络的参数进行调整；该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性。