1) asymptotic compactness
渐近紧性
1.
In the following, an estimate on tails of the solutions is derived when the time is large enough, which ensures the asymptotic compactness of solutions.
接着,利用对方程解的“尾部”在时间t足够大时作的一致小估计来讨论{sυ(t)}t≥0的渐近紧性。
2.
An estimate on tails of the solutions is derived when the time is large enough,which ensures the asymptotic compactness of solutions.
首先,通过定义向量ν和正常数ε将原二阶时滞系统的吸引子存在性问题等价地转化为一阶二维时滞系统的吸引子存在性问题;然后证明此一阶二维时滞系统解的存在唯一性,接着对这个解进行先验估计,通过论证得到系统吸收集的存在性,另外利用对方程解的"尾部"在时间t足够大时所作的一致小估计讨论渐近紧性;最后证明系统全局吸引子的存在性。
2) asymptotic compactness
渐近紧
1.
One difficulty is to verify the necessary asymptotic compactness of the semigroup associated with the solution.
这种方法出自文献[17],这一方法首先利用文献[19]中的结果,得到有界吸收集在L~p(R~n)中和L~2(R~n)中渐近紧,再构造H~1(R~n)中的收缩函数,得到有界吸收集在H~1(R~n)中渐近紧,从而得到全局吸引子的存在性。
3) asymptotically upper semicompact
渐近上半紧
4) pullback asymptotic compactness
拉回渐近紧
5) asymptotic approximation
渐近性近似
6) asymptotic behavior
渐近性态
1.
The asymptotic behavior of solutions for a class of delay differential systems was studied.
研究了一类时滞微分系统解的渐近性态。
2.
Under suitable conditions,using the theory of differential inequalities,the existence and asymptotic behavior of solution for the boundary value problems are studied.
适当的条件下 ,利用微分不等式理论 ,讨论了原边值问题解的存在性和渐近性态。
3.
Under suitable conditions,and by using the theory of differential inequalities, the existence and asymptotic behavior of solution for the boundary value problems are studied.
在适当的条件下,利用微分不等式理论,讨论了该边值问题解的存在性和渐近性态,给出了渐近估计式:u0(x)-Ui0(xε)-u0(0)+O(ε)≤u(x,ε)≤u0(x)+O(ε),0≤x≤1。
补充资料：渐近等分性
随机变量长序列的一种重要特性，是编码定理的理论基础，简称AEP。当随机变量的序列足够长时,其中一部分序列就显现出一种典型的性质：这些序列中各个符号的出现频数非常接近于各自的出现概率，而这些序列的概率则趋近于相等，且它们的和非常接近于1,这些序列就称为典型序列。其余的非典型序列的出现概率之和接近于零。序列的长度越长，典型序列的总概率越接近于1,它的各个序列的出现概率越趋于相等。渐近等分性即因此得名。
C.E.仙农最早发现随机变量长序列的渐近等分性，并在1948年发表的论文《通信的数学理论》中把它表述为一个定理。后来，B.麦克米伦在1953年发表的《信息论的基本定理》一文中严格地证明了这一结果,因此,有人也把它称为麦克米伦定理。
渐近等分性有许多不同的具体形式，但一般地可以表述如下：若X是一个符号表，共有M个不同的符号x1,x2，...,xM ,它们的出现概率分别是p1，p2，...，pM 。对X进行N次独立的选择,于是得到一个长度为N的符号序列;总共有MN个长度为N的不同序列。可以证明,对于给定的两个任意小的数ε＞0和δ＞0，一定可以找到一个正整数N0(它是X,ε和δ的某种函数)，使所有长度为N≥N0的序列可划分为以下两组。第一组包含Aε＜MN个序列，其中各个序列都具有几乎相等的出现概率p，且有
1－ε＜p·Aε＜1
和
式中H是X的符号熵。实际上,当N充分大时,Aε=2NH。第二组包含其余的MN-Aε个序列，它们的出现概率之和小于ε。显然第一组包含的是典型序列,第二组包含的是非典型序列。在各个符号的概率不相等的情况下，序列长度N越大,则Aε与MN的差别越大,而p·Aε与1的差别越小，-logp/N与H的差别也越小。
渐近等分性的意义在于：对于任意取有限个值的随机变量X,当用N次独立选择的方法来形成编码序列时,只要N 取得足够大，就可以只考虑其中Aε个典型序列，而其余所有的非典型序列均可以忽略。
C.E.仙农最早发现随机变量长序列的渐近等分性，并在1948年发表的论文《通信的数学理论》中把它表述为一个定理。后来，B.麦克米伦在1953年发表的《信息论的基本定理》一文中严格地证明了这一结果,因此,有人也把它称为麦克米伦定理。
渐近等分性有许多不同的具体形式，但一般地可以表述如下：若X是一个符号表，共有M个不同的符号x1,x2，...,xM ,它们的出现概率分别是p1，p2，...，pM 。对X进行N次独立的选择,于是得到一个长度为N的符号序列;总共有MN个长度为N的不同序列。可以证明,对于给定的两个任意小的数ε＞0和δ＞0，一定可以找到一个正整数N0(它是X,ε和δ的某种函数)，使所有长度为N≥N0的序列可划分为以下两组。第一组包含Aε＜MN个序列，其中各个序列都具有几乎相等的出现概率p，且有
1－ε＜p·Aε＜1
和
式中H是X的符号熵。实际上,当N充分大时,Aε=2NH。第二组包含其余的MN-Aε个序列，它们的出现概率之和小于ε。显然第一组包含的是典型序列,第二组包含的是非典型序列。在各个符号的概率不相等的情况下，序列长度N越大,则Aε与MN的差别越大,而p·Aε与1的差别越小，-logp/N与H的差别也越小。
渐近等分性的意义在于：对于任意取有限个值的随机变量X,当用N次独立选择的方法来形成编码序列时,只要N 取得足够大，就可以只考虑其中Aε个典型序列，而其余所有的非典型序列均可以忽略。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条