-
多层级动态因子模型(ML-DFMs)中序贯最小二乘(SLS)因子估计量的有限样本分布:基于主成分(PC)渐近分布与协方差估计
蒙特卡洛实验证实,在一般形式的特质协方差矩阵下,多层级动态因子模型(Multi-level Dynamic Factor Models, ML-DFMs)中全局因子和组别特定因子的序贯最小二乘(Sequential Least Squares, SLS)估计量
来源:Econometrics and Statistics
时间:2026-10-23
-
地震目录中预报相关信息的多尺度结构:基于树集成模型的跨时间窗可重复性分析
高分辨率地震目录描述了跨多个时间尺度的地震活动性,但仍不清楚哪些目录信息在不同预报时间窗和学习算法中始终有用。本研究使用了五种具有不同学习策略的树集成模型,所有模型均基于相同的282个目录衍生特征进行训练,对中国大陆85个区域在未来1个月、3个月、6个月和12
来源:Earthquake Research Advances
时间:2026-10-23
-
基于森林型τ-图的菊花立方体同构判定与共振图刻画
研究人员证明:若A与B为τ-图(τ-graphs)均为森林的菊花立方体(daisy cubes),则A与B同构当且仅当其τ-图同构。该结果被用于表明:一个至少含一条边的菊花立方体是平面二部图(plane bipartite graph)G的共振图(resona
来源:Discrete Mathematics
时间:2026-10-23
-
可分离排列上短网格模式(mesh patterns)的分布研究
:本文对排列中网格模式(mesh patterns)分布的研究脉络做出了贡献。研究人员将这些研究拓展至可分离排列(separable permutations),并对长度至多为2的网格模式进行了全面分析。对于长度为1的网格模式,研究人员确定了全部六个等价类(e
来源:Discrete Applied Mathematics
时间:2026-10-23
-
Cayley图邻接矩阵的矩阵乘积分解:群代数唯一乘积条件、循环群掩码多项式约化与二面体群Pêcher映射对应
研究人员研究Cayley图(Cayley graph)的邻接矩阵(adjacency matrix)何时可分解为同一群上两个Cayley图邻接矩阵的乘积。令G为有限群,U⊆G∖{e}为对称集;记A(G;U)为Cay(G;U)的邻接矩阵。研究证明:对于对称子集S
来源:Discrete Applied Mathematics
时间:2026-10-23
-
置换的单元素交换类的最大数目
本文给出了一个置换(permutation)的单元素交换类(one-element commutation class)数目的上界,即那些无法应用任何交换(commutation)的约化词(reduced word)的数量。利用这一上界,研究人员证明了一个关于
来源:Discrete Mathematics
时间:2026-10-23
-
一类受有根树子网络性质启发的无根系统发育网络
一个有向系统发育网络被称为树子网络(tree-child),如果每个非叶顶点都有一个不是网状化(reticulation)的子顶点。作为一类有向系统发育网络,树子网络在计算角度上非常有用。例如,系统发育学中若干计算困难的问题在限制于树子网络时变得可处理。与此同
来源:Discrete Applied Mathematics
时间:2026-10-23
-
长期贮存条件下NEPE推进剂/衬层界面化学-力学耦合损伤机理及多尺度研究进展
摘要专业翻译
长期贮存条件下NEPE推进剂/衬层界面的化学-力学耦合损伤机理及多尺度研究进展
澄清了长期贮存NEPE推进剂/衬层界面的复杂失效机理;揭示了化学-力学耦合作用下界面的协同退化机制;总结了多尺度表征与模拟的研究进展与不足;提出了一种可验证的跨尺度建
来源:Defence Technology
时间:2026-10-23
-
面向偏好不确定下多主体多准则共识与妥协的PRO-MAMCA概率化决策支持框架
研究人员针对多主体决策中偏好信息不完整与不确定问题,提出一种基于概率化PROMETHEE(Preference Ranking Organization METHod for Enrichment Evaluations,PROMETHEE)的多主体多准则分析
来源:Decision Analytics Journal
时间:2026-10-23
-
基于脚手架理论的ChatGPT生成评论评估:增强视频学习中的知识与情感支持
随着生成式人工智能(Generative Artificial Intelligence, GenAI)的兴起,ChatGPT等工具在增强在线学习方面展现出巨大潜力。然而,现有应用在视频学习(video-based learning)中仍较为有限,因为它们通常
来源:Computers and Education: Artificial Intelligence
时间:2026-10-23