简介:设函数φ和Ф是复平面单位圆盘D上的解析函数且φ(D)■D,则将加权复合算子定义为Wφ,Ф:f→Фf°φ.当1
简介:本文研究Hardy-Lorentz-Karamata空间中鞅的凹函数不等式,具体而言,设Φ是一凹函数,证明了若干关于鞅的极大函数M(f)、均方函数S(f)和条件均方函数s(f)之间的"Φ-Lp,q,b"型不等式.为了获得这些结果,建立了一些新的原子分解定理.
简介:本文利用Hardy-Littlewood极大函数、光滑模和K-泛函之间的等价关系、N函数的凸性、算子矩量估计及Jensen不等式等工具,研究了由陈文忠定义的LupasBaskakov型算子在Orlicz空间内的逼近性质,给出并证明了该算子在Orlicz空间内逼近的强型逆定理.由于Orlicz空间比连续函数空间和L_p空间涵盖更广泛,其拓扑结构也比L_p空间复杂得多,所以本文的结果具有一定的拓展意义.
简介:通过对可预报向量值弱Hardy-Orlicz鞅空间wPB^Φ建立弱原子鞅分解,并借助广义的Davis鞅分解定理,证明了有限鞅在向量值弱Hardy-Orlicz鞅空间wHB^Φ中稠密的充分必要条件是Banach空间B具有Radon-Nikodym性质,所得结果推广了已有文献中的相应结论.
简介:在本文中,作者研究了一种特殊的Banach空间,即Orlicz函数空间LM的子集A要构成LN-弱序列紧集合的充分必要条件是什么,给出了第一判别充要定理.
简介:S^p(1≤p≤∞)空间为导数属于Hardy空间H^p的复平面单位圆盘D上所有解析函数组成的空间.令函数φ和φ是D上的解析函数且φ(D)D,则将算子W(φ,φ):f→φfoφ称为加权复合算子.文章给出了当1≤q≤p≤∞,φ∈S^∞时,加权复合算子W(φ,φ)从空间S^p到S^q上的有界性的充要条件.然后通过推广经典的Fejer-Riesz不等式证明了当1〈p≤∞时,S^p到圆盘代数A上的嵌入映射是紧的.
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.