It is shown that a lattice distribution defined on a set of n lattice points $L(n,\delta) = {\delta,\delta+1,...,\delta+n-1}$ is a distribution induced from the distribution of convolution of independently and identically distributed (i.i.d.) uniform [0,1] random variables. Also the m-th moment of the lattice distribution is obtained in a quite different approach from Park and Chung (1978). It is verified that the distribution of the sum of n i.i.d. uniform [0,1] random variables is completely determined by the lattice distribution on $L(n,\delta)$ and the uniform distribution on [0,1]. The factorial mement generating function, factorial moments, and moments are also obtained.
We consider initial value problems for the semirelativistic Hartree type equations with cubic convolution nonlinearity $F(u)=(V*{\mid}u{\mid}^2)u$. Here V is a sum of two Coulomb type potentials. Under a specified decay condition and a symmetric condition for the potential V we show the global existence and scattering of solutions.
In this paper, we study a distinction the two generating functions : ${\varphi}^k(q)=\sum_{n=0}^{\infty}r_k(n)q^n$ and ${\varphi}^{*,k}(q)={\varphi}^k(q)-{\varphi}^k(q^2)$ ($k$ = 2, 4, 6, 8, 10, 12, 16), where $r_k(n)$ is the number of representations of $n$ as the sum of $k$ squares. We also obtain some congruences of representation numbers and divisor function.
Let $C[0,t]$ denote the function space of all real-valued continuous paths on $[0,t]$. Define $Xn:C[0,t]{\rightarrow}\mathbb{R}^{n+1}$ and $X_{n+1}:C[0,t]{\rightarrow}\mathbb{R}^{n+2}$ by $X_n(x)=(x(t_0),x(t_1),{\cdots},x(t_n))$ and $X_{n+1}(x)=(x(t_0),x(t_1),{\cdots},x(t_n),x(t_{n+1}))$, where $0=t_0$ < $t_1$ < ${\cdots}$ < $t_n$ < $t_{n+1}=t$. In the present paper, using simple formulas for the conditional expectations with the conditioning functions $X_n$ and $X_{n+1}$, we evaluate the $L_p(1{\leq}p{\leq}{\infty})$-analytic conditional Fourier-Feynman transforms and the conditional convolution products of the functions which have the form $${\int}_{L_2[0,t]}{{\exp}\{i(v,x)\}d{\sigma}(v)}{{\int}_{\mathbb{R}^r}}\;{\exp}\{i{\sum_{j=1}^{r}z_j(v_j,x)\}dp(z_1,{\cdots},z_r)$$ for $x{\in}C[0,t]$, where $\{v_1,{\cdots},v_r\}$ is an orthonormal subset of $L_2[0,t]$ and ${\sigma}$ and ${\rho}$ are the complex Borel measures of bounded variations on $L_2[0,t]$ and $\mathbb{R}^r$, respectively. We then investigate the inverse transforms of the function with their relationships and finally prove that the analytic conditional Fourier-Feynman transforms of the conditional convolution products for the functions, can be expressed in terms of the products of the conditional Fourier-Feynman transforms of each function.
Proceedings of the Korean Society of Near Infrared Spectroscopy Conference
/
2001.06a
/
pp.1041-1041
/
2001
Removal of variability in spectra data before the application of chemometric modeling will generally result in simpler (and presumably more robust) models. Particularly for sparsely sampled data, such as typically encountered in diode array instruments, the use of Savitzky-Golay (S-G) derivatives offers an effective method to remove effects of shifting baselines and sloping or curving apparent baselines often observed with scattering samples. The application of these convolution functions is equivalent to fitting a selected polynomial to a number of points in the spectrum, usually 5 to 25 points. The value of the polynomial evaluated at its mid-point, or its derivative, is taken as the (smoothed) spectrum or its derivative at the mid-point of the wavelength window. The process is continued for successive windows along the spectrum. The original paper, published in 1964 [1] presented these convolution functions as integers to be used as multipliers for the spectral values at equal intervals in the window, with a normalization integer to divide the sum of the products, to determine the result for each point. Steinier et al. [2] published corrections to errors in the original presentation [1], and a vector formulation for obtaining the coefficients. The actual selection of the degree of polynomial and number of points in the window determines whether closely situated bands and shoulders are resolved in the derivatives. Furthermore, the actual noise reduction in the derivatives may be estimated from the square root of the sums of the coefficients, divided by the NORM value. A simple technique to evaluate the actual convolution factors employed in the calculation by the software will be presented. It has been found that some software packages do not properly account for the sampling interval of the spectral data (Equation Ⅶ in [1]). While this is not a problem in the construction and implementation of chemometric models, it may be noticed in comparing models at differing spectral resolutions. Also, the effects on parameters of PLS models of choosing various polynomials and numbers of points in the window will be presented.
Journal of the Korean Institute of Telematics and Electronics
/
v.14
no.6
/
pp.26-30
/
1977
Redundancies in the Calculation of DFT and FFT are analized and new algorithms are proposed which are capable of reducing the machine time by a considerable amount. New extensions of T.D C.F. and T.D.F.T. are given for the discrete case which permit a deeper insights for the techniques of digital signal Proessing i. e. Discrete Fourier Transform, Convolution Sum and Correlation sequences.
Journal of the Korean Society for Industrial and Applied Mathematics
/
v.15
no.4
/
pp.319-328
/
2011
Let $\mathbf{c}=\{c_n\}_{n{\in}\mathbb{Z}}\in{\ell}^1(\mathbb{Z})$ and $\{f_n\}_{n{\in}\mathbb{Z}}$ be a frame (Riesz basis, respectively) of $L^2(\mathbb{R})$. We obtain necessary and sufficient conditions of $\mathbf{c}$ under which $\{\mathbf{c}{\ast}_{\lambda}f_n\}_{n{\in}\mathbb{Z}}$ becomes a frame (Riesz basis, respectively) of $L^2(\mathbb{R})$, where ${\lambda}$ > 0 and $(\mathbf{c}{\ast}_{\lambda}f)(t)\;:=\;{\sum}_{n{\in}\mathbb{Z}}c_nf(t-n{\lambda})$. When $\{\mathbf{c}{\ast}_{\lambda}f_n\}_{n{\in}\mathbb{Z}}$ becomes a frame of $L^2(\mathbb{R})$, we present its frame operator and the canonical dual frame in a simple form. Some interesting examples are included.
Let $R_k({\alpha})$, $0{\leq}{\alpha}<1$, $k{\geq}2$ denote certain subclasses of analytic functions in the unit disc E with bounded radius rotation. A function f, analytic in E and given by $f(z)=z+{\sum_{m=2}^{\infty}}a_m{z^m}$, is said to be in the family $R_k(n,{\alpha})n{\in}N_o=\{0,1,2,{\cdots}\}$ and * denotes the Hadamard product. The classes $R_k(n,{\alpha})$ are investigated and same properties are given. It is shown that $R_k(n+1,{\alpha}){\subset}R_k(n,{\alpha})$ for each n. Some integral operators defined on $R_k(n,{\alpha})$ are also studied.
In this paper we establish sharp $L^p$-regularity estimates for averaging operators with convolution kernel associated to hypersurfaces in $\mathbb{R}^d(d{\geq}2)$ of the form $y{\mapsto}(y,{\gamma}(y))$ where $y{\in}\mathbb{R}^{d-1}$ and ${\gamma}(y)={\sum}^{d-1}_{i=1}{\pm}{\mid}y_i{\mid}^{m_i}$ with $2{\leq}m_1{\leq}{\cdots}{\leq}m_{d-1}$.
Park, Cheoneum;Lee, Changki;Ryu, Jihee;Kim, Hyunki
Annual Conference on Human and Language Technology
/
2018.10a
/
pp.239-242
/
2018
문맥 표현은 Recurrent neural network (RNN)에 기반한 언어 모델을 학습하여 얻은 여러 층의 히든 스테이트(hidden state)를 가중치 합(weighted sum)을 하여 얻어낸 벡터이다. Convolution neural network (CNN)를 이용하여 음절 표현을 학습하는 경우, 데이터 내에서 발생하는 미등록어를 처리할 수 있다. 본 논문에서는 음절 표현 CNN 기반의 포인터 네트워크와 문맥 표현을 함께 이용하는 방법을 제안하고, 이를 상호참조해결에 적용한다. 실험 결과, 질의응답 데이터셋에서 CoNLL F1 57.88%로 규칙기반에 비하여 11.09% 더 좋은 성능을 보였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.