论文部分内容阅读
五量子比特的不可扩张乘积基在系统粗化后的扩张性
【机 构】
：
太原师范学院
【发表日期】
：
2023年01期
其他文献
近年来,非凸极小极大优化由于其在机器学习,信号处理领域的广泛应用成为优化与机器学习,人工智能等交叉领域研究的热点,引起学者广泛的关注并取得了丰富的研究成果.随着机器学习和人工智能发展过程中问题模型复杂化程度的加深和数据规模的日益增长,基于梯度下降上升（GDA）算法的单循环算法成为求解非凸极小极大优化问题最流行的算法.本文依据现阶段的研究热点,以提高算法复杂度为目的改进已有算法,重点研究用于求解非凸
学位
近年来非凸极小极大问题在机器学习、信号处理和深度神经网络等领域应用广泛,成为人工智能、最优化等领域的研究热点之一。许多文献在梯度下降-上升（GDA）算法的基础上设计了新的单循环算法求解非凸极小极大问题,但此类问题在随机环境中的收敛性分析有待进一步研究。本文针对非凸极小极大问题,基于GDA算法的变体―交替梯度投影（AGP）算法,结合随机梯度下降-上升（SGDA）算法的性质引入随机思想,提出了随机交替
学位
随着社会信息化的发展,大量监控视频不断涌现,如何从海量的监控视频中实时准确地找到异常并进行预警是当前研究的热门话题。目前,以无监督的学习方式利用深度神经网络端到端地学习正常视频数据的特征,将不符合正常特征的视频标为异常的视频异常检测方法为研究主流。变分递归神经网络（Variational Recurrent Neural Network,VRNN）就是一种无监督的异常检测模型,它将变分自编码器（V
学位
压缩感知是近几年应用数学范畴较为热门的前沿课题,是一种新型的采样理论,主要是考虑从较少的线性测量中利用信号自身的各种先验信息来恢复高维稀疏信号.基于?1-α?2（0＜α≤1）的最小化方法是近几年才出现的一种新的恢复信号的有效方法.本文主要是使用?1-α?2模型给出能够保证稀疏信号稳定地恢复和部分支集已知的可压缩信号鲁棒地恢复的充分条件,并得到不同噪声情形下信号恢复的误差估计.本文第二章在限制等距性
学位
分数阶微分方程是微分方程理论的重要分支之一,它在热学、光学、生物组织学及材料学都有重要的应用,因此,分数阶微分方程理论研究近年来得到了快速发展,研究成果非常丰富.作为非牛顿力学、弹性理论等诸多研究领域中的重要数学模型,带有p-Laplacian算子的不同边界条件下的分数阶微分方程受到越来越多的关注.本文研究一类带有p-Laplacian算子的分数阶积分边值问题正解的存在性、唯一性及多重性.全文分为
学位
随着计算机技术、互联网的快速发展和应用,许多领域产生的海量数据所包含的巨大价值已经吸引了诸多研究者的关注.在这些领域中,经常会遇到大规模、高维数、结构复杂的矩阵数据需要进行分析和处理.然而,在处理过程中,这些矩阵数据可能存在丢失、损坏以及污染等问题,而矩阵填充技术对于解决矩阵数据丢失、损坏及污染等问题非常有效,已经在计算机视觉、人工智能和优化领域等有着广泛的应用,也是近年来的研究热点之一.矩阵填充
学位