检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多圆盘上的商模与子模

多圆盘上的商模与子模

作者：聂西林重庆理工大学

学位级别：硕士

多圆盘Hardy空间上的商模与子模的研究是算子理论研究的热点。众所周知,单位圆盘上Hardy空间的子模结构可以由内函数完全确定,但要完全刻画多圆盘Hardy空间上的子模结构却非常困难。近年来,人们发展了许多思想和技巧来研究H2(D2)子模,其... 详细信息

多圆盘Hardy空间上的商模与子模的研究是算子理论研究的热点。众所周知,单位圆盘上Hardy空间的子模结构可以由内函数完全确定,但要完全刻画多圆盘Hardy空间上的子模结构却非常困难。近年来,人们发展了许多思想和技巧来研究H2(D2)子模,其中Hilbert模的语言给多变量算子理论提供了一个全新的框架。***系统地提出并发展了解析Hilbert模的特征空间理论,并用特征空间理论对H2(Dn)上由多项式生成的子模进行了完全分类。众多研究者在此基础上对多圆盘上一些具体子模的紧性,谱,Hilbert-Schmidt范数,Fredholm指标进行了深入研究,得到了很多重要的成果。本文运用边缘算子将n元交换等距算子组简化为n-1元算子组进行研究,深入探讨三圆盘Hardy空间上不同子模上边缘算子对和算子组之间Fredholm指标间的关系,并探讨了边缘算子对和商模上压缩算子组间的关系,结论丰富了多圆盘上Hardy空间理论,对进一步研究n元算子组具有重要意义。本文共六个章节,分别如下:第一章为引言,介绍了国内外专家学者对于Hardy空间上一些具体子模和商模的讨论和研究,得到了很多重要结论,同时给出一些基本概念及本文要用到的主要工具和结论。第二章主要研究了在三圆盘H2(D3)上M(?)z1M上的边缘算子对F的由Koszul复形定义出来的Fredholm指标,其中M为子模。进而通过证明边缘算子对F和算子组(Rz1,Rz3,Rz3)的Fredholm指标各部分是同构的,最终证明了在三圆盘H2(D3)上,对于子模M,定义在M(?)z1M上的边缘算子对F是Fredholm的当且仅当算子组(Rz1,Rz3,Rz3)是Fredholm 的,且有indF=-ind(Rz1,Rz2,Rz3)。第三章我们在上一章的基础上研究定义在商模H2(D3)(?)M上的压缩算子对S,写出其Koszul复形及其Fredholm指标,再利用三圆盘H2(D3)上差商算子的性质,得到了压缩算子对S和定义在M(?)z1M上的边缘算子对F之间的关系,即ker?F0=z1(ker Sz1 ∩ ker Sz2∩ ker Sz3)。第四章我们在第二章的基础上,研究定义在三圆盘H2(D3)上M(?)(z1-λ1)M上的边缘算子对F=(F1,F2)和算子组R=(Rz1,Rz3,Rz3),同时引入F=(F1,F2),通过F证明得到边缘算子对F和算子组R-λ的Fredholm指标各部分形式是同构的,最终得到结论:对于三圆盘H2(D3)的子模M,定义在M(?)(z1-A1)M上的边缘算子对F是Fredholm的当且仅当算子组R-λ是Fredholm的,且有indF=-ind(R-λ)。第五章我们推广了第三章的内容,给出了定义在商模H2(Dn)(?)M上的压缩算子对S的形式及其Fredholm指标。利用多圆盘H2(Dn)上差商算子的性质,证明得到了多圆盘商模H2(Dn)(?)M上的压缩算子对S和定义在M(?)(z1-λ1)M上的边缘算子对F之间的关系,即ker ?F0=Mφγ1 ker?S-λ0。第六章对文本的主要研究内容进行概括总结。

关键词： Hardy空间子模边缘算子 Fredholm算子差商算子

基于改进YOLO v5的复杂环境下花椒簇识别与定位方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

农业机械学报 2024年第3期55卷 243-251页

作者：黄华张昊胡晓林聂兴毅兰州理工大学机电工程学院兰州730050

花椒树产果量大,枝干纵横交错,树叶茂密,给花椒的自动化采摘带来了困难。因此,本文设计一种基于改进YOLO v5的复杂环境下花椒簇的快速识别与定位方法。通过在主干提取网络CSPDarknet的CSPLayer层和Neck的上采样之后增加高效通道注意力EC... 详细信息

花椒树产果量大,枝干纵横交错,树叶茂密,给花椒的自动化采摘带来了困难。因此,本文设计一种基于改进YOLO v5的复杂环境下花椒簇的快速识别与定位方法。通过在主干提取网络CSPDarknet的CSPLayer层和Neck的上采样之后增加高效通道注意力ECA(Efficient channel attention)来简化CSPLayer层的计算量,提升了特征提取能力。同时在下采样层增加协同注意力机制CA(Coordinate attention),减少下采样过程中信息的损失,强化特征空间信息,配合热力图(Grad-CAM)和点云深度图,来完成花椒簇的空间定位。测试结果表明,与原YOLO v5相比较,改进的网络将残差计算减少至1次,保证了模型轻量化,提升了效率。同帧数区间下,改进后的网络精度为96.27%,对比3个同类特征提取网络YOLO v5、YOLO v5-tiny、Faster R-CNN,改进后网络精确度P分别提升5.37、3.35、15.37个百分点,连株花椒簇的分离识别能力也有较大提升。实验结果表明,自然环境下系统平均识别率为81.60%、漏检率为18.39%,能够满足花椒簇识别要求,为移动端部署创造了条件。

关键词：花椒簇识别农业机器人深度学习目标检测 YOLO v5

维普期刊数据库博看期刊

基于清洁能源的多微能源网中共享储能最佳容量配置及优化调度研究

在线全文

学校读者我要写书评

暂无评论

基于清洁能源的多微能源网中共享储能最佳容量配置及优化调度研究

作者：聂勋贵州大学

学位级别：硕士

“线下体验,线上购物”模式下的产品配送策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国管理科学 2024年第4期32卷 164-175页

作者：肖婷婷聂福海哈尔滨工业大学(深圳)经济管理学院广东深圳518055

为研究“线下体验,线上购物(offline to online,O2O)”模式下品牌商的产品配送策略,以及不同配送方式对供应链绩效的影响,在考虑消费者效用的前提下,本文构建了网络品牌商、电商平台和第三方物流服务商(thirdparty logistics provider,T... 详细信息

为研究“线下体验,线上购物(offline to online,O2O)”模式下品牌商的产品配送策略,以及不同配送方式对供应链绩效的影响,在考虑消费者效用的前提下,本文构建了网络品牌商、电商平台和第三方物流服务商(thirdparty logistics provider,TPL)的博弈模型,探讨了线下体验店服务水平和技术服务费率等参数对品牌商配送策略的影响,并进一步对比分析了不同情形下的供应链系统利润。研究结果表明:当线下体验店服务水平较低时,品牌商的占优策略为向TPL外包配送服务;而当线下体验店服务水平适中或较高时,技术服务费率的变化也会显著影响品牌商的期望利润,此时品牌商应选择自营配送服务或向电商平台外包配送服务;引入TPL会加剧双重边际效应,导致供应链系统运作效率较低,其他两种情形下供应链系统利润受配送成本、线下体验店服务水平以及技术服务费率等参数的影响。

关键词： O2O供应链网络品牌商线下体验店配送服务运营决策

社会学习理论下随迁子女自我情绪管理能力提升的小组工作干预研究

在线全文

学校读者我要写书评

暂无评论

社会学习理论下随迁子女自我情绪管理能力提升的小组工作干预研究

作者：聂紫薇井冈山大学

学位级别：硕士

免疫荧光定量检测BCL-2、BCL-XL及MCL-1表达预测基于VEN方案治疗AML的疗效

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

免疫荧光定量检测BCL-2、BCL-XL及MCL-1表达预测基于VEN方案治疗A...

作者：聂夏琪南方医科大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

近代广东番从公路的建设及利益之争

学术研究 2024年第3期 132-141页

作者：聂阜江谢湜中山大学历史学系广东广州510275

20世纪二三十年代,广东省开展了大规模的公路建设,构建了贯通全省的公路交通网络。官方通过订立相应法规和出让公路营运专利的方式,动员民间力量组织筑路公司或筑路委员会负责公路建设,但由此也带来了一系列问题。1928—1934年番从路的... 详细信息

20世纪二三十年代,广东省开展了大规模的公路建设,构建了贯通全省的公路交通网络。官方通过订立相应法规和出让公路营运专利的方式,动员民间力量组织筑路公司或筑路委员会负责公路建设,但由此也带来了一系列问题。1928—1934年番从路的建设过程中,因公路修筑与通车营运专利密切相关,沙和筑路公司和禺北筑路委员会围绕公路路线展开争议,从而改变了原先的路线设计。与此同时,由于筑路权包括公路沿线的征工、征地之权,公路沿线部分地方民众也与禺北筑路委员会争夺筑路权。番从路通车后,由于全路三个路段各自为政,各路段管理结构也在营运上展开利益的博弈。番从公路的建设及其过程中各方利益的角力,反映了近代中国公路建设的复杂面相。

关键词：民国时期广东省公路建设番从路管理方式

基于自注意力机制的深度强化学习交通信号控制

在线全文

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第2期24卷 96-104页

作者：张玺君聂生元李喆张红兰州理工大学计算机与通信学院兰州730050

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息... 详细信息

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息无法全面表达的问题,为了从有限特征中挖掘潜在交通状态信息,从而降低交通状态设计难度,提出一种引入自注意力网络的DRL算法。首先,仅获取交叉口各进入口车道车辆位置,使用非均匀量化和独热编码方法预处理得到车辆位置分布矩阵;其次,使用自注意力网络挖掘车辆位置分布矩阵的空间相关性和潜在信息,作为DRL算法的输入;最后,在单交叉口学习交通信号自适应控制策略,在多交叉口路网中验证所提算法的适应性和鲁棒性。仿真结果表明,在单交叉口环境下,与3种基准算法相比,所提算法在车辆平均等待时间等指标上具有更好的性能;在多交叉口路网中,所提算法仍然具有良好的适应性。

关键词：智能交通自适应控制深度强化学习自注意力网络近端策略优化

基于学习型滑模预测控制的无人驾驶车辆非结构化环境轨迹跟踪及稳定性控制

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年第10期60卷 399-412页

作者：刘聪刘辉韩立金聂士达北京理工大学机械与车辆学院北京100081 北京理工大学前沿技术研究院济南250000

针对高速无人驾驶车辆在复杂非结构化环境下轨迹跟踪精度和横摆稳定性之间难以协调平衡的难题,提出一种基于学习型滑模预测控制的轨迹跟踪及稳定性协调控制方法。首先,基于高斯过程回归方法构建数据学习型预测模型,以解决复杂非结构化... 详细信息

针对高速无人驾驶车辆在复杂非结构化环境下轨迹跟踪精度和横摆稳定性之间难以协调平衡的难题,提出一种基于学习型滑模预测控制的轨迹跟踪及稳定性协调控制方法。首先,基于高斯过程回归方法构建数据学习型预测模型,以解决复杂非结构化环境下无人驾驶车辆的剩余模型不确定性和环境噪声干扰问题。其次,提出一种基于高斯-滑模预测控制的轨迹跟踪及稳定性协调控制方法,将基础模型与高斯不确定性预测相结合作为控制模型,设计基于滚动预测优化的滑模控制方法,满足多约束下控制器的实时性和鲁棒性要求。此外,构建车辆未来时刻行驶风险预测模型,利用基于预测时域内相对残差的递归贝叶斯定理提前决策多目标融合型函数的权重系数,满足全局性能最优。仿真结果表明,所提方法有效提高了存在路面噪声干扰的非结构道路下高速无人驾驶车辆轨迹跟踪精度和动力学稳定性。

关键词：无人驾驶汽车轨迹跟踪及稳定性高斯过程滑模预测控制行驶风险预测