【摘 要】
：
上个世纪七十年代，Cheeger和Gromov等人发展了黎曼流形的收敛性理论，现在这一理论已称为微分几何的重要工具，并且在Hamilton等人发展的Ricci流理论中有重要的应用。算子的谱理论是几何学中另一个重要理论，它在数学和物理学中有重要的地位，黎曼流形上的Laplace算子的特征值与流形的几何性质有密切的关系。本文讨论了一列收敛的黎曼流形上的特征值的收敛性问题，证明了在一列收敛的黎曼流形中存
论文部分内容阅读
上个世纪七十年代，Cheeger和Gromov等人发展了黎曼流形的收敛性理论，现在这一理论已称为微分几何的重要工具，并且在Hamilton等人发展的Ricci流理论中有重要的应用。算子的谱理论是几何学中另一个重要理论，它在数学和物理学中有重要的地位，黎曼流形上的Laplace算子的特征值与流形的几何性质有密切的关系。本文讨论了一列收敛的黎曼流形上的特征值的收敛性问题，证明了在一列收敛的黎曼流形中存在一个子列，它们的特征值收敛的极限流形的特征值。Schur引理是黎曼几何中一个十分基本而重要的结果，它指出维数大于3的Einstein流形具有常数量曲率。Topping等人发现对于一般的具有非负Ricci曲率的黎曼流形，如果traceless Ricci张量接近0，那么数量曲率也十分接近一个常数。借助于子流形的一些理论，本文将他们的结果推广到带边流形的情形。
其他文献
随着知识图谱越来越受到大众的欢迎,各大公司都在争先恐后地把自己的数据存储到图数据库引擎上,与此同时,数据的分析与挖掘也慢慢变得重要了起来。然而对数据的挖掘需要使用大量不同类别的数据进行交叉分析,而不同类别的数据就涉及到了由不同团队负责维护的数据,通常情况下这些数据并不在同一台服务器上,甚至使用了不同的数据库来存储这些异构数据。如果对这些数据进行挖掘则要将这些数据整合起来进行分析。然而,很少有完善的
由于深度学习模型的准确率大大提升,近年来在很多领域发挥了重要的作用,保持高准确率的同时如何提升模型的鲁棒性成为了一个重要的课题。深度学习模型中训练不充分、过度线性化的特性会导致模型对某些样本分类错误,这种样本由攻击者添加了特殊的扰动,且人眼难以辨别,它的存在大大威胁了深度学习的广泛应用,这种样本被称为对抗样本。为了抵御这种对抗样本的攻击,研究者们主要采取了改动模型的网络结构、对抗样本检测和将对抗样
频率选择表面（Frequency Select Surface,FSS）是使用周期性的相同（或存在略微差异）金属结构均匀的排列在某种衬底上实现的周期性阵元,其经常被运用于频率选择器,空间滤波器,和雷达散射截面缩减的应用中,通过单元的周期性排列,可以实现对相位和频率信息的调控和重构。在一些特定的情况下,可以实现与相控阵表面相同的功能,并且相比相控阵天线较为复杂的功分器和馈电网络,加载的大量放大器,移
随着软件系统在现代社会中越来越普遍,如何避免软件缺陷所带来的影响从而保证软件系统的稳定运行也越来越重要。软件缺陷预测可以利用目标项目数据来预测软件系统中哪些部分可能存在缺陷,工程师在此基础上合理安排保证软件质量的有限资源就可以极大地减少缺陷对软件系统的影响。在目标项目可用数据不足的情况下,跨项目缺陷预测（Cross-Project Defect Prediction,CPDP）已经成为了一种预测软
随着大数据的迅速发展,大数据给人们带来巨大经济效益的同时,也为大数据分析和挖掘带来了技术上的挑战。大数据基础平台技术繁琐,特别是依托于X86系列处理平台的计算框架特性各异,接口种类繁多,这极大地提高了基于大数据计算平台的智能业务应用开发者的技术难度。如何提高智能业务应用开发的效率,使得基于大数据平台的应用创新能够根据实际业务需求形成可靠的软件及服务,是摆在各行各业大数据应用创新软件服务商面前的一个
随着知识图谱和图计算的兴起与发展,对于超大规模的图数据处理分析逐渐成为了业界关注的热点问题。与传统关系型数据不同的是,图数据通过顶点和边来表示实体以及实体之间的关系,从而展现出由点到面的网状结构。在对图数据进行处理时,往往会从一个顶点开始,向周围的顶点和边不断地迭代计算,为了能够支撑超大规模图数据的存储及其相关的数据处理,分布式图数据库应运而生。在现有的分布式图数据库中,通常采用的都是计算和存储分
随着技术发展,如今我们已进入到了5G时代,除了日常通讯使用外,智能手机在日常生活中所扮演的角色也越来越重要。而在移动端设备的市场占比中,Android系统的占有率成为了全球第一,与之相对应的是应用软件的爆炸式增长,再加之该系统的开源特性,恶意应用软件的数量也随之增加,这使Android系统所面临的安全问题也越来越严峻,如何有效的对Android恶意软件进行检测成了近年来许多研究人员的研究课题。到目
科学研究能够带领社会走向更加科技化的生活信息时代,科学家们在各个领域发表了大量的论文,论文中的创新点能推动社会的进步。科研工作者在发表论文的同时也会引用其他文章,一些开创性的文章也会变成被许多后来的科研人引用成为高引文章。许多论文能引导未来的研究者更深一步的思考,文章中新颖的产出也可以去引领科研未来的方向。本文开发了一套算法,可以自动地理解、识别描述对应的被引论文,不仅可以帮助在写论文时能够减少作
钢筋作为基础功能性材料之一,被广泛应用于建筑行业中。在钢筋的使用和交易过程中,需要对其数量进行精确统计,以避免在后续交接环节中出现经济风险与纠纷。传统方法采用人工点根计数,该方法过程繁琐、费时费力且计数准确率受钢筋数量规模和计数人员疲劳状态影响,因此企业在提高钢筋计数效率方面具有很大的需求。目前基于深度学习的通用目标检测技术虽然在交通标志检测、人脸检测等实际场景中表现良好且广泛应用,但在实际场景的