模糊错误逻辑论域分解转化联结词研究

主要给出了模糊错误逻辑论域分解转化联结词所涉及的概念、运算及其模糊错误逻辑论域分解转化联结词与/nf l内涵分离、/nf h内涵分化、∥nhb内涵互补、—∥nhd l内涵对立等的关系作了一点研究。     

基于错误逻辑矩阵的错误识别对象分类及应用研究

研究了错误识别对象的概念和特征,并选取七个特征组合建立了错误识别对象的错误逻辑矩阵表达式,讨论了错误识别对象的类型.最后,结合石塑地板产品质检过程,对于所进行检验的每一片石塑地板建立错误识别的对象逻辑矩阵,通过错误函数求错误值,识别错误的石塑地板对象,并根据错误石塑地板对象特征分类,采用相应的消避错方法进行运算和处理.     

基于矩阵逻辑方程的识别对象状态转化研究

进行错误识别,首先我们需要研究识别的对象.因此,研究首先将错误识别对象分为识别状态、真是状态、应该状态和目标状态等四种状态,并且讨论了几种类型之间的关系.最后运用矩阵逻辑方程求解了识别状态转化为目标状态的转化方式.     

基于特征和量值为变量时错误识别对象状态转化及其决策应用研究

文中研究了空间,论域,事物为确定常量的条件下,特征和量值参数为变量且未知时,错误识别对象状态的转化。研究发现,当对象识别状态的特征和量值为Ⅱ类时,可以采用错误矩阵一类4集合方程A_s∨X_(qg)?B_g构建二元置换变换错误矩阵集合方程,将错误的对象识别状态转化为应该状态。最后,通过实例说明其实际决策应用价值。     

经典错误逻辑的相似转化词

经典错误逻辑研究的是错误传递、转化的规律,它为决策中避免错误,消除错误,减小错误的危害提供了新的方法.相似转化词是经典错误逻辑中的一个重要转化词,定义了相似转化词的概念,研究了这个转化词所具有的性质和规律.     

模糊错误逻辑的组合转化词分析

模糊错误逻辑研究的是错误传递、转化的规律,它为决策中避免错误,消除错误,减小错误的危害提供了新的方法.组合转化词是模糊错误逻辑中的一个重要转化词,定义了组合转化词的概念.分析了这个转化词的性质和运算规律.     

模糊错误逻辑分解转化词与内涵否定词的逻辑关系

在文 [1]的基础上 ,在简单分析现时中错误的传递与转化的实际存在的同时 ,介绍国内外在逻辑研究领域对事物传递与转化规律的研究现状。特别为了探索控制与防范证券风险的技术而主要研究模糊错误逻辑分解转化词与内涵否定词的逻辑关系。     

基于空间错误逻辑变量未知的对象识别状态与应该状态之间的转化

讨论了在错误逻辑变量中,论域、事物、特征、量值等参数为确定常量的条件下,讨论空间参数为变量且未知时,错误的识别状态转化为应该状态的方程及其求解。研究发现,当对象识别状态当前的空间包含于应该状态当前的空间时,可以采用错误矩阵一类5集合方程A∧X_(qg)?B_g构建错误矩阵集合方程求解;当对象应该状态当前的空间包含于识别状态当前的空间时,可以采用错误矩阵一类4集合方程A∨X_(qg)?B_g构建一元置换变换错误矩阵集合方程,求解识别状态和应该状态的转化。     

二类1错误矩阵方程增优置换变换求解及其在城市交通管理中的应用研究

消错学的错误矩阵可表达错误逻辑里所定义的分解、相似、增加、置换、毁灭、单位变换等转化词,针对其中的置换变换,构建了二类1错误矩阵方程增优置换变换错误矩阵方程,并讨论了该类错误矩阵方程的求解.用交通管理问题对错误矩阵进行了举例,并构建相应的错误矩阵方程,利用上述的求解方法,对二类1方程置换变换进行了求解.     

模糊错误逻辑的增加转化词及其在规避金融衍生交易风险中的应用

研究模糊错误逻辑的增加转化词在错误的传递、转化与消除过程中的性质和规律,建立了避免金融衍生交易风险的数学模型,介绍了增加转化词在避免金融衍生交易风险中的应用方法。     

基于错误逻辑分解转化联结词的生态文明指标知识表达模型研究

研究错误逻辑的知识表达模型,以错误逻辑理论结合生态文明"五位一体"所构建的生态文明建设指标体系,进行基于对象识别的知识表达.指标体系内的各元素分别被定义为错误逻辑模型中的事物、特征、函数和规则.建模时,首先进行事物分解,第二步进行特定事物下对应的特性及规则分解,最后根据判别规则G对错误函数f形式的影响,对各项指标所适用的错误函数类型进行分类.对象的生成可以为用矩阵这样的数据结构对逻辑知识进行系统化组织做前期准备.     

基于模糊错误逻辑的投资结构优化研究

主要研究模糊错误逻辑的运算,设定了模糊错误逻辑的基本运算规则,对模糊错误逻辑公式、变量、真值、函数、字、子句、字组等概念进行定义,在此基础上,提出2个定理并予以证明,揭示了模糊错误逻辑在错误的传递、转化与消除过程中的运算规律和性质 ,然后建立了优化投资结构模糊错误逻辑模型.     

基于向量值有理插值的最优预测算法研究及陶瓷需求量预测的应用

通过对高维数据整体表达式建模预测方法和分区间等预测算法的缺陷分析,提出基于向量值有理插值的最优预测算法,通过有理向量插值函数和各分量的误差限得到向量之间的相似性,克服了其它很多算法利用向量的整体表达式方法而产生预测的偏差;另外,通过向量的误差限与训练样本所得向量值有理插值函数及迭代仿真方法来确定预测样本向量所对应的最优预测值.通过实例,算法所得预测值的精度比其他算法更高,并且分析了误差限和迭代步长对算法性能的影响.     

基于机器学习的智能TWAP和VWAP算法的研究及应用

TWAP与VWAP算法为两类较常见的经典交易算法.传统的VWAP算法在TWAP算法的基础上,大多使用预测日内成交量分布的方法指导算法下单.传统成交量分布的预测效果严重依赖于市场交易惯性,但交易量分布受到日内诸多突发因素的影响,导致算法对市场突发状况的应对能力较弱.本文对传统TWAP与VWAP算法进行改进,利用滚动的1分钟粒度高频实时资金博弈数据,基于Logistic分类器训练量价模型,以该预测结果为入参构建最优化期望执行均价模型,求出当下各个价格档位对应委托数量的最优解.通过相对高频的分钟级价格预测机制,保证算法实时跟踪市场行情走势并寻求相对优势的交易机会.该算法经测试可以稳定地跑赢市场均价,具备推广应用的可行性.