系数为(α,β)混合序列的随机狄里克莱级数的性质

来源 :湖北大学 | 被引量 : 0次 | 上传用户:mikecxybb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随机狄里克莱级数是复分析和概率论相结合的产物,研究它的性质对复分析和概率论都有着重要的意义,对随机狄里克莱级数系数是独立随机变量序列的研究已比较成熟,这些年研究的热点都主要是削弱对独立性的限制,把系数由独立随机变量的情形推广到相依随机变量,使其在理论和实践上都有更广泛的应用.本文主要研究了把随机狄里克莱级数的系数由独立随机变量序列推广到(α,β)混合序列的时候级数的一些性质.本文由三个部分组成.第一部分是引言,在这个部分里介绍了随机狄里克莱级数的由来以及对它的研究工作,也介绍了(α,β)混合序列的提出和对它的研究并指出本文关于系数为(α,β)混合序列的随机狄里克莱级数研究的意义所在.第二部分利用(α,β)混合序列的性质得到(α,β)混合序列的强大数定律.第三部分研究了当系数为(α,β)混合序列的时候随机狄里克莱级数的性质,包括收敛性和增长性等,得到了一些比较重要的结果.
其他文献
民宿体验是很独特的活动,因为它能够更好地促进房主家庭与游客的紧密关系,以便达到文化传统接触和生意目的。然而,就芽庄市而言,民宿仍然相对新颖,本文以芽庄民宿为对象,研究游客对芽庄民宿的满意度及影响因素,提出提高游客对民宿满意度的措施。本文对2019年12月参加芽庄民宿旅游的两百名国内与国外游客进行调查。从游客对芽庄民宿旅游满意度的七个影响因素的理论模式出发,通过探索性因子分析方法,本文指出游客对芽庄
智库将公共政策研究视为重心,将影响政府公共政策决策视为最终目标,是一个具有非营利性的独立的政策研究机构。美国智库与美国政府之间有着很是紧密的联系,充当着美国政界与学术界之间“旋转门”的角色。近年来,美国智库的发展速度很快,在美国国家公共政策制定过程中的作用也愈发重要。其中布鲁金斯学会就是美国众多智库中最为著名的智库之一,其世界影响力连续多年排在全世界和美国的首位。学会有许多的下属研究中心,涉及到政
Landweber投影迭代算法(Projected Landweber Iteration Algorithm,PLW),结合了投影工具和Landweber迭代,对优化模型中的目标函数用Landweber迭代进行极小化处理,定义一个矩阵投影算子,作用于上述算法,使得算法的迭代在约束条件内进行。PLW算法是一种自适应的不动点延拓算法(Fixed Point Continuation,FPC),在相同
我国正处于社会转型加速期,缩小城乡差距、城乡融合发展是新时代党和国家进行现代化建设的重要目标之一。面对日益常见的农村土地征用,农民的生活与发展不仅是经济问题,更是社会与政治问题。一方面是城市的发展需要,农村土地总是被动吸纳进入城市的扩张计划,为城市发展让路;另一方面是农村自身的建设需要,农村面貌与条件的改善需要土地的重新规划利用,与此相伴而生的则是农村土地征收过程中产生的各种问题。由于我国土地征收
世界面临百年未有之大变局,世界经济复苏乏力,政治形势错综复杂,中国进入了改革开放的深水区,经济下行、改革困难、产业结构转型等问题亟需解决,现在又面临与发达国家竞争的问题,在复杂的社会形势面前,我国政府要想顺利实现眼前的战略方针就需要充分认清所面对的矛盾。当前,中国与美国产生了利益纠纷,中美贸易问题由此而来。中美贸易问题覆盖面广,涉及经济、政治、文化等方方面面,本文以公共政策理论为指导,着重分析中美
多任务学习是机器学习中一个很有前景的领域,旨在利用相关任务之间的内在关系来提高泛化性能.多任务学习的方法主要有两种,一种是基于特征的多任务学习,一种是基于参数的多任务学习.多高斯核多任务学习就是一种实验效果良好的基于参数的多任务学习方法.多高斯核多任务学习假设目标任务的最优预测函数和相关任务的最优预测函数位于相同但未知高斯核宽度的再生核希尔伯特空间中,然后使用相关任务的样本选择高斯核宽度作为共享参
互联网的广泛使用丰富了高校思想政治工作的载体和内容,也提升了高校思政工作的开放性、交互性和时效性。但是,网络舆情也给高校思想政治工作带来了一系列的重大挑战,一方面不良网络舆情会对大学生的世界观、人生观、价值观造成冲击;另一方面,不良网络舆情也会对校园环境带来负面影响,而要应对这些问题就需要思政工作者把握网络舆情的本质特征及其传播规律,不断提升应对网络舆情的能力和水平,从而化危为机、趋利避害,利用好
在疾病的早期诊断和筛查中,核酸检测作为重要的检测手段已经被科学家进行了广泛的研究。可是在疾病早期的状态下,较低的疾病标志物浓度对早期筛查是不利的。所以我们需要开发检测核酸分子的灵敏、快速和可便携式的传感器。场效应晶体管(Field Effect Transistor,FET)传感器作为新兴的热门方向之一,在众多分析检测中展现出了优异的性能,例如核酸,癌细胞,蛋白质,葡萄糖等等。基于晶体管原理,这类
多核学习方法是通过对单核支持向量机进行一次或多次求解,对于样本容量较大的训练样本,多核学习算法的复杂度将会非常高.这意味着,虽然多核学习方法避免了繁杂的内核及其参数的选择,但当训练样本的规模较大时,多核学习方法通常会非常耗时,甚至难以实现.因此,本文提出了基于两阶段学习的多核支持向量机算法,该算法将大大减少模型训练所耗费的时间.为了更好地展示本文所提出的基于两阶段学习的多核支持向量机算法,首先,我
近年来,电阻式随机存储器(Resistive Random Access Memorizer, RRAM)由于结构简单、耗能低、存储密度高以及与半导体CMOS工艺兼容性好等优点而成为下一代新型电子存储器,对具有响应迅速、效应显著、抗疲劳性好等优良性能新型RRAM材料的探索成为目前电子信息材料和凝聚态物理的研究热点。本论文以Na2S溶液为沉积液,在一定的温度、pH值、电压和时间下,采用电化学沉积的方