检索结果-内蒙古大学图书馆

系统工程理论与实践 2025年第4期45卷 1328-1344页

作者：张乐苏为华山东工商学院统计学院浙江工商大学统计与数学学院

信任关系是群组综合评价中确定主体重要性的主要工具.但现有研究中信任关系多依赖于情感因素,且被视为静态的、固定的.这极易导致“信任风险”问题.如何规避这一问题,提高信任关系的可靠性已成为群组评价中的重要研究内容之一.对此,本... 详细信息

信任关系是群组综合评价中确定主体重要性的主要工具.但现有研究中信任关系多依赖于情感因素,且被视为静态的、固定的.这极易导致“信任风险”问题.如何规避这一问题,提高信任关系的可靠性已成为群组评价中的重要研究内容之一.对此,本文首先构建了一种基于Page Rank的信任关系网络;提出了综合考量情感信任、认知信任的动态信任关系测度方法,实现了信任关系随群组交互过程的动态计算;进一步,提出了依托动态信任关系的群组共识达成方法,提高了共识达成效率;在此基础上,构建了考虑评价主体动态信任关系的群组评价方法.最后,通过重大投资项目评选的实例论证了方法的有效性和可靠性.

关键词：动态信任群组综合评价认知信任共识达成 Page Rank算法

来源：评论

学校读者我要写书评

暂无评论

采用门控循环单元与深度进化策略的股票指数量化模型

引用

西安交通大学学报 2025年第2期59卷 146-155页

作者：任晓萍陈志平西安交通大学数学与统计学院西安710049 东北石油大学数学与统计学院黑龙江大庆163318

为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果,提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型(GRU-DES)。首先,建立循环神经网络(RNN)、长短时记忆神经网络(LSTM... 详细信息

为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果,提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型(GRU-DES)。首先,建立循环神经网络(RNN)、长短时记忆神经网络(LSTM)和门控循环单元网络(GRU)预测模型,分别对上海证券交易所(上证)超大盘股票指数、上证中盘股票指数和上证小盘股票指数进行预测;接着采用所提出的深度进化量化模型(DES)对三大股票指数的预测值与真实值进行回测研究,通过比较预测结果与真实结果在同一策略下的各项回测指标和交易细节等特性确定最优网络结构和策略参数,进而优化深度进化策略;最后根据优化后的策略提出了GRU-DES模型,并再次对三大股票指数进行样本外数据回测来验证模型有效性。实证回测结果表明:所提出的GRU-DES模型在各量化回测指标上较LSTM-DES模型与RNN-DES模型的预测精度均高出14%以上,有效解决了统计预测指标的随机性和过拟合的问题;根据2016年至2024年7年间数据回测,所提出的GRU-DES模型比强化学习模型在各回测指标中均展现了稳定性和有效性。

关键词：股票指数量化模型长短时记忆神经网络门控循环单元收益率

来源：评论

学校读者我要写书评

暂无评论

有限域上的多项式环中除数函数在二次多项式序列上的均值

引用

数学学报(中文版) 2025年第2期68卷 268-277页

作者：魏桐杨志善青岛大学数学与统计学院青岛266071

在本文中,我们利用Dudek[***.,2019,99(1):1-9]的方法研究定义在有限域多项式环上的除数函数在二次多项式序列上的均值,对比整数环上除数函数在二次算术序列上的均值,二者从阶的角度来看一致.

关键词：有限域上的多项式环除数函数均值

来源：评论

学校读者我要写书评

暂无评论

带切换的随机泛函微分方程的稳定性分析

引用

北京理工大学学报 2025年第3期45卷 321-326页

作者：席福宝夏子涵北京理工大学数学与统计学院北京100081

为了研究一类连续分量和离散分量共存的随机泛函微分方程的稳定性.在耗散条件下,利用Ito公式研究带Markov切换的随机泛函微分方程精确解的均方指数稳定性,并采用Euler-Maruyama方法研究此方程数值解的均方指数稳定性.此外,通过数值例子... 详细信息

为了研究一类连续分量和离散分量共存的随机泛函微分方程的稳定性.在耗散条件下,利用Ito公式研究带Markov切换的随机泛函微分方程精确解的均方指数稳定性,并采用Euler-Maruyama方法研究此方程数值解的均方指数稳定性.此外,通过数值例子及其仿真模拟,验证了此方程精确解和数值解的均方指数稳定性.

关键词：随机泛函微分方程 Markov切换精确解 Euler-Maruyama数值解稳定性

来源：评论

学校读者我要写书评

暂无评论

紧李群中半线性Moore-Gibson-Thompson方程解的爆破

引用

数学学报(中文版) 2025年

作者：刘炎广东金融学院数学与统计学院

本文研究了紧李群中半线性Moore-Gibson-Thompson（MGT）方程带有非线性项|α_tkψ|p其中k=0,1.利用无界乘子切片迭代方法,本文证明了对任意p>1和k=0,1的情况下,方程的能量解会在有限时间内爆破.这结果对于粘性或者无粘方程均是成立... 详细信息

本文研究了紧李群中半线性Moore-Gibson-Thompson（MGT）方程带有非线性项|α_tkψ|p其中k=0,1.利用无界乘子切片迭代方法,本文证明了对任意p>1和k=0,1的情况下,方程的能量解会在有限时间内爆破.这结果对于粘性或者无粘方程均是成立的.我们也得到了局部解生命跨度的上界估计.该结果表明MGT方程的粘性耗散在欧氏空间和紧李群上的不同影响.

关键词： Moore-Gibson-Thompson方程半线性三阶方程紧李群爆破生命跨度

来源：评论

学校读者我要写书评

暂无评论

非完美Z排序集抽样下Logistic分布中总体均值的估计

引用

系统科学与数学 2025年

作者：戴文琛陈望学杨瑞吉首大学数学与统计学院湖南师范大学数学与统计学院

本文首次在非完美Z排序集抽样(IZRSS)下研究了Logistic分布中总体均值的估计.从理论上证明了IZRSS样本均值是总体均值的无偏估计,并且当1/m≤p≤1时,IZRSS样本均值作为总体均值的估计比简单随机抽样(SRS)样本均值作为总体均值的估计和... 详细信息

本文首次在非完美Z排序集抽样(IZRSS)下研究了Logistic分布中总体均值的估计.从理论上证明了IZRSS样本均值是总体均值的无偏估计,并且当1/m≤p≤1时,IZRSS样本均值作为总体均值的估计比简单随机抽样(SRS)样本均值作为总体均值的估计和非完美排序集抽样(IRSS)样本均值作为总体均值的估计有效.小样本情形下的数值结果和实际数据进一步验证了这个理论结果.

关键词：非完美Z排序集抽样 Logistic分布样本均值

来源：评论

学校读者我要写书评

暂无评论

一类双曲-抛物耦合方程组解的大时间性态

引用

浙江大学学报(理学版) 2025年第2期52卷 232-237,251页

作者：刘炎温芸锋广东金融学院金融数学与统计学院广东广州510521

研究了一类来自热弹性力学的n维双曲-抛物耦合方程组,刻画了其解的大时间渐近性态。首先,利用一类特殊的对角化方法得到能量的渐近表达式;然后,利用WKB分析和Fourier分析,得到该能量的大时间衰减及其渐近轮廓。

关键词：双曲-抛物耦合方程组衰减估计渐近轮廓对角化方法

来源：评论

学校读者我要写书评

暂无评论

基于两种新标量表示的安全高效标量乘算法

引用

软件学报 2025年

作者：程石胡志陶铮中南大学数学与统计学院

标量乘法是传统椭圆曲线密码(ECC)的核心运算.标量表示决定了标量乘法算法中的迭代方式,进而直接影响算法的安全性和效率.提出两种新的标量表示算法:一种称为规则窗口非相邻算法(ordered window width nonadjacent form, OWNAF),它将传... 详细信息

标量乘法是传统椭圆曲线密码(ECC)的核心运算.标量表示决定了标量乘法算法中的迭代方式,进而直接影响算法的安全性和效率.提出两种新的标量表示算法:一种称为规则窗口非相邻算法(ordered window width nonadjacent form, OWNAF),它将传统的窗口非相邻算法与随机密钥分割处理相结合,在提升计算效率的同时可以抵抗能量分析攻击;另一种称为窗口联合正则形式(window joint regular form, wJRF),它由传统的联合正则形式改进而来,适用于多标量乘算法,与已有算法相比,在减少基础计算量的同时有着更好的安全性.

关键词：标量乘算法侧信道攻击窗口非相邻形式联合正则形式

来源：评论

学校读者我要写书评

暂无评论

二阶线性微分方程解的复动力性质

引用

数学学报(中文版) 2025年第1期 165-172页

作者：吴秀碧李雪贵州大学数学与统计学院

关于亚纯函数Julia集的研究一直是复动力系统的热点问题之一.本文通过研究二阶线性微分方程解在角域的增长性质,就其Julia集的径向分布情况,给出了更为精确的下界估计.

关键词：零点聚值线亏值 Julia集径向分布

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力卷积ViT模型的锌浮选工况识别

引用

工程科学学报 2025年第2期47卷 328-338页

作者：苏越唐朝晖谢永芳高小亮张虎马炜烨汤海玚中南大学自动化学院长沙410083 中南大学数学与统计学院长沙410083

准确识别锌浮选工况并用于指导锌浮选操作,可以提高浮选效率、优化选矿过程.目前浮选现场主要通过人工肉眼观察泡沫并依据经验判断工况,这种方法主观性强,难以客观准确地评价锌浮选工况.针对该问题,本文通过研究锌浮选泡沫视觉特征和浮... 详细信息

准确识别锌浮选工况并用于指导锌浮选操作,可以提高浮选效率、优化选矿过程.目前浮选现场主要通过人工肉眼观察泡沫并依据经验判断工况,这种方法主观性强,难以客观准确地评价锌浮选工况.针对该问题,本文通过研究锌浮选泡沫视觉特征和浮选工况的密切联系,提出基于稀疏注意力卷积ViT模型的锌浮选工况识别方法.首先,所提模型融合了卷积神经网络(Convolutional neural networks,CNN)和视觉Transformer(Vision transformer,ViT)的结构和优点,同时感知泡沫局部空间信息和全局信息,完备表征泡沫图像.其次,模型引入稀疏的多头注意力机制,每个注意力头以不同的稀疏程度处理特征,从不同尺度下感知全局信息,同时引入注意力门控单元优化特征传递,最终实现锌浮选工况识别.实验结果表明,本文所提工况识别方法在锌浮选泡沫图像数据集上的准确率达到88.62%,解决了传统CNN和ViT模型不能充分利用泡沫图像全局信息,且无法自适应捕捉泡沫图像重要特征的问题,为浮选流程优化提供有力支持.

关键词：工况识别卷积神经网络视觉Transformer 稀疏注意力泡沫浮选

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：