news 2026/7/14 22:23:03

83、前序操作与博克斯坦操作的关系及自由分次模的泛代数

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
83、前序操作与博克斯坦操作的关系及自由分次模的泛代数

前序操作与博克斯坦操作的关系及自由分次模的泛代数

1. a、’l’z 与 <pz 的关系

设 A 是严格反交换的 DGA - 代数(特征为 2),在 f?J(A) 中存在一个分次幂系统,至少对次数 ≥ 2 的元素有定义,并且满足特定条件。若 A 配备有分次幂(针对次数 ≥ 2 的元素),则 f?J(A) 的分次幂 ‘’h 可过渡到同调 H*(f?J(A))。

命题 1:对于任意整数 q ≥ 1,复合映射(其中 a 表示悬置)等于转幂 <pz。用公式表示为:
(f)z = î’z O a (1)
此关系在 H *(A) 中次数为 2q(q ≥ 1)的偶数次元素上成立。

证明过程:设 a ∈ Àzq 且 da = O,存在唯一的 x ∈ f?Jzq + 1(A) 使得 dx = a,x 的同调类恰好是 a 的同调类的悬置 a。那么 yz(x) 是 f?J4q + z(A) 中唯一满足 dy = (dx) · x = ax 的元素 y。根据转幂的定义,y 的同调类是 a 的同调类通过转幂 <pz 变换得到的。

命题 1 推论:若 A 是次数为 0 的交换 DGA - 代数,且对于任意 a ∈ A 有 az = (ea)z,将(1)式的两边应用于任意元素 a ∈ A 时,关系(1)仍然成立。即复合映射 A –‘¼Hi(f?J(A)) 14Hz(f?J(A)) 等于转幂 <pz(在相关内容中也记为 i/J),证明方法与命题 1 类似。

需要注意的是,对于奇素数 p,转幂 <pP 是可

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/13 22:41:54

OpenMTP终极指南:简单快速实现Mac与Android文件互通

还在为Mac和Android设备间的文件传输而烦恼吗&#xff1f;传统的传输方式要么速度缓慢&#xff0c;要么操作复杂&#xff0c;让你在设备切换时倍感困扰。今天&#xff0c;我要向你推荐一个彻底解决这一痛点的开源利器——OpenMTP。这款专为macOS设计的Android文件传输工具&…

作者头像 李华
网站建设 2026/7/4 11:12:04

Mayan EDMS终极文档管理系统:从入门到精通完整指南

Mayan EDMS终极文档管理系统&#xff1a;从入门到精通完整指南 【免费下载链接】Mayan-EDMS Free Open Source Document Management System (mirror, no pull request or issues) 项目地址: https://gitcode.com/gh_mirrors/ma/Mayan-EDMS 在数字化办公浪潮中&#xff0…

作者头像 李华
网站建设 2026/6/30 12:38:51

1、前馈神经网络入门:感知机与手写数字识别

前馈神经网络入门:感知机与手写数字识别 在当今的人工智能领域,深度学习已经成为了一股强大的驱动力,尤其在计算机视觉方面,取得了令人瞩目的成就。我们将从一个具体的问题入手,即手写数字识别,来深入探讨前馈神经网络的基本原理和应用。 手写数字识别问题 手写数字识别…

作者头像 李华
网站建设 2026/7/14 2:47:11

2、前馈神经网络中的交叉熵损失函数与随机梯度下降

前馈神经网络中的交叉熵损失函数与随机梯度下降 1. 多类感知机与神经网络层 多类感知机返回的答案是返回值最高的线性单元的编号。所有感知机都独立于其他感知机进行训练,使用与之前相同的算法。给定一个图像和标签,我们对 10 个感知机运行 10 次感知机算法步骤。例如,如果…

作者头像 李华
网站建设 2026/7/11 19:05:14

Redis从入门到精通:安装与Python操作

一、引言今天给大家讲讲非关系型数据库Redis.二、非关系型数据库Redis1. Redis 概述1.1 什么是RedisRedis&#xff08;Remote Dictionary Server&#xff09;是一个开源的、基于内存的键值对存储数据库&#xff0c;它可以用作数据库、缓存和消息中间件。1.2 Redis 的特点基于内…

作者头像 李华
网站建设 2026/7/10 12:12:31

11、序列到序列学习与深度强化学习:原理、实践与应用

序列到序列学习与深度强化学习:原理、实践与应用 在机器学习领域,序列到序列学习(Sequence-to-Sequence Learning)和深度强化学习(Deep Reinforcement Learning)是两个重要的研究方向。序列到序列学习在机器翻译等任务中表现出色,而深度强化学习则在智能体决策和优化方面…

作者头像 李华