检索结果-内蒙古大学图书馆

本文主的要目的是应用初等方法与解析方法对罗马尼亚著名的数论专家***教授在《OnlyProblems，NotSolutions》一书中所提出的第5个，21个，29个和第49个问题进行了一些探讨，即研究了与进制有关的数字之和函数、位数函数以及m次方幂补数和原数列这几个问题的性质，并得出了一系列较好的均值公式.\n 本文共分为以下四部分：第一部分主要介绍了本文要用到的一些基本知识和基本定理；\n 第二部分运用初等方法和组合数论知识，对二进制数字之和函数的p次均值，n进制数字之和函数的p次均值进行了猜想、归纳，得出了Ap(N)和Ap(N，n)的精确计算公式.并在此基础上，给出了n进制数字之t次方和函数的p次均值，即Dp(N，n)的精确计算公式，从而使这一方面的研究更趋成熟；\n 第三部分研究了位数函数的性质，应用正整数的分拆，多项式定理，常系数线性非齐次递推关系等知识，对二进制及n进制位数函数的p次均值进行了研究，得出了Bp(N)和Bp(N，n)的精确计算公式，从而更深刻的认识了位数函数的性质；\n 第四部分应用阿贝尔恒等式、欧拉积公式、复变积分法、带余项的Perron公式，以及一些数论函数的性质，分别研究了m次幂补数和原数列的若干性质，并给出了∑n≤x(sp(n),p2)=p2和∑n≤xsp(n)≠sp(n+1)sp(n)以及∑n≤xSkm(n/n)的渐近公式.

关键词：数论函数 n进制位数函数 m次方补数原数列均值组合数论

来源：评论

学校读者我要写书评

暂无评论

一种基于vine copula分位数回归的自适应软测量方法及系统

一种基于vine copula分位数回归的自适应软测量方法及系统

引用

作者：李绍军倪佳能周洋刘漫丹贾琼田一彤李雪梅王世豪 200237 上海市徐汇区梅陇路130号

本发明提出一种基于vine copula分位数回归的自适应软测量方法及系统，步骤如下：获得正常操作条件下的数据，选择合适的辅助变量；对训练数据进行归一化；利用D‑vine copula建立分位数回归模型；根据训练样本计算条件分位数函数以及训... 详细信息

标准号: CN111781824A

本发明提出一种基于vine copula分位数回归的自适应软测量方法及系统，步骤如下：获得正常操作条件下的数据，选择合适的辅助变量；对训练数据进行归一化；利用D‑vine copula建立分位数回归模型；根据训练样本计算条件分位数函数以及训练样本平均预测区间差；待预测样本辅助变量在线收集及标准化处理；确定条件分位数函数；根据设定的分位数计算各个条件分位数函数值；条件分位数函数值反归一化，进而得到最终的预测值的中位数与置信区间；计算预测值的置信区间差，比较预测值的置信区间差是否超过训练样本平均预测区间差。

关键词：位数函数预测训练样本置信区间辅助变量正常操作条件标准化处理反归一化回归模型计算条件确定条件位数计算训练数据在线收集归一化软测量中位数自适应样本回归

来源：评论

学校读者我要写书评

暂无评论

一种复杂概念漂移下的光伏功率在线概率预测方法

一种复杂概念漂移下的光伏功率在线概率预测方法

引用

作者：张学东彭甜赵环宇陈杰葛宜达张楚陈佳雷王熠炜王政黄凤芝 223000 江苏省淮安市经济技术开发区枚乘东路1号

本发明公开了一种复杂概念漂移下的光伏功率在线概率预测方法，通过DCF算法检测光伏功率数据是否有概念漂移现象；构建多源在线迁移学习模型，通过GAT‑Reformer模型更新模型源域，通过PA算法训练模型目标域；将构建的数据集作为优化后... 详细信息

标准号: CN117236488A

本发明公开了一种复杂概念漂移下的光伏功率在线概率预测方法，通过DCF算法检测光伏功率数据是否有概念漂移现象；构建多源在线迁移学习模型，通过GAT‑Reformer模型更新模型源域，通过PA算法训练模型目标域；将构建的数据集作为优化后的多源在线迁移学习模型的输入，得到两个条件分位数函数；通过GAT‑Reformer模型拟合两个条件分位数函数，生成初始光伏功率预测区间，通过CQR算法进行校准；根据经校准的光伏功率预测区间获取各分位数下的光伏功率预测值，再通过核密度估计对各分位数下的光伏功率预测值进行拟合，获得概率密度函数曲线，最终获得在线概率密度预测结果。本发明提高了预测精度并更好地捕捉不确定性。

关键词：光伏功率预测位数函数在线迁移校准多源构建概率密度函数漂移核密度估计不确定性复杂概念概率预测功率数据密度预测模型更新模型目标模型拟合漂移现象区间获取算法检测算法训练模型源数据集拟合算法捕捉学习概率预测优化

来源：评论

学校读者我要写书评

暂无评论

基于值分布强化学习的自动驾驶汽车决策规划方法

基于值分布强化学习的自动驾驶汽车决策规划方法

引用

作者：唐小林钟桂川杨凯陈永力邓忠伟彭颖胡晓松李佳承 400044 重庆市沙坪坝区沙坪坝正街174号

本发明涉及一种基于值分布强化学习的自动驾驶汽车决策规划方法，属于自动驾驶汽车领域。该方法包括：S1：构建考虑不确定性的无信号灯十字路口场景；S2：构建全参数化分位数函数模型，作为自动驾驶汽车控制模型；S3：基于全参数化分位... 详细信息

标准号: CN114707359A

本发明涉及一种基于值分布强化学习的自动驾驶汽车决策规划方法，属于自动驾驶汽车领域。该方法包括：S1：构建考虑不确定性的无信号灯十字路口场景；S2：构建全参数化分位数函数模型，作为自动驾驶汽车控制模型；S3：基于全参数化分位数函数模型中学习的状态‑动作回报分布信息，引入条件风险价值，生成具有风险意识的驾驶行为。本发明利用值分布强化学习提高了自动驾驶汽车在具有不确定性的环境下决策规划策略的安全性与稳定性。

关键词：自动驾驶不确定性决策规划强化学习位数函数全参数构建分布信息驾驶行为汽车控制汽车领域信号灯十字路口汽车场景引入回报学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：