简介：

简介：

简介：

简介：利用Bernoulli多项式和Bernoulli函数，给出了连续可微函数的Bernoulli表示，并用这种表示来解决一类差分方程的通解问题。

简介：TheBernoulliconvolutionvλmeasureisshowntobeabsolutelycontinuouswithL2densityforalmostall1/2

简介：Inthispaper,asteady-stateMarkovianmulti-serverretrialqueueingsystemwithBernoullivacationschedulingserviceisstudied.Usingmatrix-geometricapproach,variousinterestingandimportantsystemperformancemeasuresareobtained.Further,theprobabilitydescriptorslikeidealretrialandvainretrialareprovided.Finally,extensivenumericalillustrationsarepresentedtoindicatethequantifyingnatureoftheapproachtoobtainsolutionstothisqueueingsystem.

简介：Inthispaper,theauthorsdesignboundaryfeedbackcontrollersattheinteriornodetostabilizeastar-shapednetworkofEuler-Bernoullibeams.Thebeamsarepinnedeachother,thatis,thedisplacementsofthestructurearecontinuousbuttherotationsofthebeamsarenotcontinuous.Thewell-posed-nessoftheclosedloopsystemisprovedbythesemigrouptheory.Theauthorsshowthatthesystemisasymptoticallystableiftheauthorsimposeabendingmomentcontroloneachedge.Finally,theauthorsderivetheexponentialstabilityofthesystem.

简介：WeconsideranMX/G/1queueingsystemwithtwophasesofheterogeneousserviceandBernoullivacationschedulewhichoperateunderalinearretrialpolicy.Inaddition,eachindividualcustomerissubjecttoacontroladmissionpolicyuponthearrival.ThismodelgeneralizesboththeclassicalM/G/1retrialqueuewitharrivalsinbatchesandatwophasebatcharrivalqueuewithasinglevacationunderBernoullivacationschedule.Wewillcarryoutanextensivestationaryanalysisofthesystem,includingexistenceofthestationaryregime,embeddedMarkovchain,steadystatedistributionoftheserverstateandnumberofcustomerintheretrialgroup,stochasticdecompositionandcalculationofthefirstmoment.

简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：研究了Bernoulli微分方程的通解、积分因子,进而讨论了可化为Bernoulli方程的两类方程,并给了积分方程中的Bernoulli方程和它在数学建模中的应用.

简介：TheproblemofquickanalysisusingexactgeometrydatawasproposedbyHughesetal.andtheisogeometricanalysisframeworkwasintroducedasasolution.Inthisletter,theexactgeometryconceptiscombinedintothequasi-conformingframeworkandanovelmethod,i.e.,theexactgeometrybasedquasi-conforminganalysisisproposed.Inpresentmethodthegeometryisexactlydescribedbynon-uniformrationalB-splinebases,whilethesolutionspacebytraditionalpolynomialbases.Presentmethodcombinesthemeritsofbothisogeometricanalysisandquasi-conformingfiniteelementmethod.InthisletterEuler-Bernoullibeamproblemissolvedasanexampleandtheresultsshowthatthepresentmethodiseffectiveandpromising.

简介：

简介：摘要：卷积神经网络是一种新型的无导师学习算法,在近几年有了较大发展,其主要思想为利用层间节点竞争产生隐含函数来处理非线性系统，在处理非平稳信号方面,它的优势主要体现在:可以利用网络中所有隐含层,使得原始数据与新产生的参数都保持一定关系,从而实现了非线性函数逼近;通过使用简单、有效等方法来减少输出矢量对算法时间和计算量要求较高之处。本文将介绍一下卷积神经网模型结构及相关技术特性以及一些典型应用场景下常用学习算法进行分析研究。

简介：讨论变系数Euler-Bernoulli梁振动系统utt(x,t)+η(t)uxxxx(x,t)=0,0＜x＜1,0≤t≤T{u(0,t)=ux(0,t)=0,0≤t≤T-uxxx(1,t)+mutt(1,t)=-αut(1,t)+βuxxxt(1,t),0≤t≤T(1)uxt(1,t)=-γuxx(1,t),0≤t≤Tu(x,0)=u1(x),ut(x,0)=u2(x),0≤x≤1证明了该系统产生一个发展系统.

简介：考虑动态输出反馈控制下Euler-Bernoulli梁的振动抑制问题,证明了系统算子生成的C0-半群,不指数稳定但渐近稳定.且当初值充分光滑时,利用Riesz基方法估计出系统能量多项式衰减.

简介：ThenonlinearvibrationsofviscoelasticEuler–BernoullinanobeamsarestudiedusingthefractionalcalculusandtheGurtin–Murdochtheory.EmployingHamilton'sprinciple,thegoverningequationconsideringsurfaceeffectsisderived.Thefractionalintegro-partialdifferentialgoverningequationisfirstconvertedintoafractional–ordinarydifferentialequationinthetimedomainusingtheGalerkinscheme.Thereafter,thesetofnonlinearfractionaltime-dependentequationsexpressedinastate-spaceformissolvedusingthepredictor–correctormethod.Finally,theeffectsofinitialdisplacement,fractionalderivativeorder,viscoelasticitycoefficient,surfaceparametersandthickness-to-lengthratioonthenonlineartimeresponseofsimply-supportedandclamped-freesiliconviscoelasticnanobeamsareinvestigated.

简介：讨论具有非线性耗散边界反馈的非均质Euler-Bernoulli梁的镇定问题.首先利用非线性半群理论和能量摄动方法,证明了文中所给出的非线性耗散边界反馈控制可以镇定闭环系统的能量,并导出了闭环系统的能量的衰减速度.

简介：文章研究一类微分算子ｆ’（ｚ）＋ｚｆ＾″（ｚ）定义的解析函数关于卷积运算的封闭性，这是对Ｒ．Ｓｉｎｇｈ和Ｓ．Ｓｉｎｇｈ在这方面工作的发展；并就与此类函数相关的特殊情形，证明Ｓｔ．Ｒｕｓｃｈｅｗｅｙｈ等卷积猜想成立。

简介：

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。