http://blog.sina.com.cn/fanfanxi[订阅]
个人资料
分类
    内容读取中…
评论
读取中...
访客
读取中...
好友
读取中...
博文
[原创论文]:泛泛系理论关于洛仑兹变换的再推导

冯向军
07/04/2009


一、假设

1、泛泛系动力学方程是正确的;
2、同一惯性系内一切动体存在“同时”;
3、相对性原理是对的。


二、从泛泛系动力学方程推导出没有光速不变原理的“洛仑兹”变换

从泛泛系动力学方程来看, 从K坐标系的坐标变化成相对于K以匀速v作匀速直线运动的坐标系K'的坐标,这个变换G是由与匀速v有关的广义冲量I(v)引起的。

我们假设G是本征变换,就有

Gx=gx                         (2-1)

这其中g是本征值或系数。
于是,

x' =gx + I(v)                (2-2)

考虑坐标系K'的坐标原点x'=0在坐标K中以匀速v作直线运动,就
广义熵刺激起源论-以思维为背景

一、刺激响应模型
当人遇刺激S时,就在人的心脑产生响应R。

我们抛开一切知识从零开始作推理。

从最简单的模型来看响应的变化dR要么与刺激的相对变化成正比

dR = (常数K1) dS/S (1-1)

要么与刺激的绝对变化成正比

dR = f(S)dS (1-2)

这其中函数f最简单的形式就是幂律 (1-3)
于是

dR =(常数K2)(S^(alpha-1))dS (1-4)

对于(1-1)式响应与刺激的关系是对数关系:
R~ln(S) (1-5)
对于(1-4)式响应与刺激的关系是幂律关系:

R~S^alpha (1-6)

令人吃惊的是(1-5)式就是著名的Weber-Fechner定律[1]

而(1-6)式就是著名的Stevens幂律[2]。

二、人的心脑按所储藏的信息重构分布
大千世界的泛分布f对于人的心脑而言是一种刺激。当人的心脑接受刺激时,就产生
一统计平均响应信息
<R> = p1R1 +p2R2+...+pnRn (2-1)
按Weber-Fech
泛薛定鄂方程的物理意义:一些著名物理学方程的共同框架方程

一、
泛薛定鄂方程的物理意义在于:

泛薛定鄂方程是波动方程、电磁波方程、薛定鄂方程、克莱因哥登方程等著名物理学方程的共同框架。


二、
从泛牛顿第二定律推出一种泛薛定鄂方程

假设psi为任意关于时间空间有二阶连续偏导数的复函数
而psi*为某函数,其变化可以不导致psi变化。我们由泛牛顿第二定律可有特例

dpsi/dx= K1psi               (2-1)
dpsi*/dx= K2psi*            (2-2)

这里广义冲量的导数为零。一般而言K1,K2均可随x变化而变化。

(2-1)和(2-2)式相乘得到:

(dpsi/dx)(dpsi*/dx) =K1K2(psi)(psi*)               
立此存照:继续为泛泛系理论定中英文学名
冯向军
6/26/2009

泛泛系理论

中文学名:平等遍历论
英文:THEORY OF EQUALLY EXTENDING EVERYWHERE
立此存照: 从泛牛顿第二定律推出一种泛薛定鄂方程

冯向军
06/25/2009

1
假设psi为任意关于时间空间有二阶连续偏导数的复函数
而psi*为某函数,其变化可以不导致psi变化。我们由泛牛顿第二定律可有特例

dpsi/dx= K1psi (1)
dpsi*/dx= K2psi* (2)
这里广义冲量的导数为零。一般而言K1,K2均可随x变化而变化。

(1)和(2)式相乘得到:

(dpsi/dx)(dpsi*/dx) =K1K2(psi)(psi*) (3)

我们认为一切方程都对应某种泛函的极值。

于是有拉格朗日算子:

L = (dpsi/dx)(dpsi*/dx) - K1K2(psi)(psi*) + 某常数C

积分泛函K=定积分[dx L],定积分区间为[a, b]。

因为

dL/dpsi*' = dpsi/dx (4)
dL/dpsi* = -K1K2
1
[原创]负伴随概率与平均平等遍历度(Tsallis熵)的泛对称性

假如一概率P为传统的柯尔莫果洛夫概率。必有
0<=P<=1

于是存在非负实数q使得
P=q^2 (1)
我们就定义:

Padj =(iq)^2 =-P
为P的负伴随概率。这其中i为虚数单位。

对于广义系统各部分Ai的概率Pi,平均平等遍历度(Tsallis熵)的最简单形式是:

Ravg = R/n^(2-1) = (1 -P1^2 -P2^2 -...-Pn^2) (2)

将Pi用其负伴随概率Padj代替,i=1, 2, ...n, 则有
Ravg = (1-Padj1^2-Padj2^2-...Padjn^2) =(1 -P1^2 -P2^2 -...-Pn^2) (3)

由此可见
平均平等遍历度(Tsallis熵)关于P与Padj泛对称---在变中保持不变。

图一、同时给出了一传统科尔莫果洛夫概率分布和相应的负伴随概率分布。



图一、传统科尔莫果洛夫概率分布和相应的负伴随概率分布。

2
立此存照:“平等遍历”的中英文学名
冯向军
6/23/2009

1
问:“平等遍历”究竟是什么?

答:
平等遍历有两种含义:
一种是平等遍历分布;另一种是平等遍历趋向。
平等遍历分布包含而不限于:
一切对象的本质都无一切指向;
泛对称(变中的相对不变、不变中的相对变化);
空间的各向同性;
时间的均匀性;
最大无序(概率平等遍历---随机变量呈均匀分布);
最大有序(权重的平等遍历---世界大同、众生平等、球型天体等等);
......
平等遍历趋向是以平等遍历为趋向或吸引子。
所谓泛泛系最大平等遍历度原理就是对象在任何约束条件下都趋向平等遍历。所以

就表现为在任何约束条件下都取该约束条件下的最大平等遍历度。
约束条件下的最大平等遍历度可取遍从最不平等到最平等的实际分布。
这是因为泛分布是由平等遍历这个吸引中心和约束条件共同决定的。

2、
“平等遍历”的中英文学名:

正式论文-与泛泛系超概率对应的负平等遍历现象

冯向军
6/18/2009



http://www.aideas.com/GKP.pdf
从无私的角度来看我的早年得志---是万界的重托不应辜负?

冯向军
6/19/2009

我自知按世智标准绝对不算聪明玲利。但是却少年得志。
曾获霍英东青年教师奖
国家自然科学奖、IBM CEO签发的两次杰出技术成就奖等奖励,至今手上还24小时配戴着IBM奖给我的大钻石介指。我于31岁升任当时母校历史上最年轻的教授。又稀里糊涂当上了国际时空新理论的共同主席和论文集首席客座编辑而后又被法国巴黎大学教授抬举成为两届国际系统和控制论大会荣誉委员会委员(模糊数学之父扎德和协同学之父哈肯都在委员会里面)。


我时常想不通---因为我不至于好到这个程度,而这一切都基本上是“送上门的”。

这几天我开始从另一个角度思考问题:

这或许是万界的某种重托不应辜负!!!

但是这重托是什么?我目前只有感觉并不知晓。

有关证明信如下。
http://www.aideas.com/Prof.pdf
矛盾运动中超概率和负平等遍历度的一种物理意义:完全不平等的裕量和霸主的满足度

我们的研究已得出结论[1],对于矛盾运动而言超概率等价于负平等遍历度。

当我们视平等遍历度为零的情形为完全不平等时,超概率和负平等遍历度就成为完全不平等的裕量(MARGIN)的量度。

对于一个霸主而言,独霸一方并不能令其满足,因为他会时刻担心失去绝对霸主地位,而只有他有独霸一方这种完全不平等的裕量(MARGIN)时,他才会感到满足。比如某国王只有解决了所谓“接班人”问题时,他才会感到独霸王位的满足。

因此超概率和负平等遍历度又是独霸一方的霸主满足度的量度。



参考文献
[1]冯向军,泛泛系理论最新进展:普遍存在的与泛泛系超概率对应的负平等遍历现
象 ,2009年6月18日。
http://dwbbs.qiudao.net/dispbbs.asp?boardid=5&Id=1351


立此存照:为泛泛系超概率取中英文学名:广义的柯尔莫果洛夫概率

冯向军
XIANGJUN FENG
6/19/2009

Key Words: Generalized Kolmogorov Probability, Negative Tsallis Entropy.

(1)
广义的柯尔莫果洛夫概率(Generalized Kolmogorov Probability)又名泛泛系超概率是泛泛系理论筹创人冯向军博士于2004年11月24日正式提出的[1]。现在已取得重要进展[2]:将广义的 柯尔莫果洛夫概率与负平均平等遍历度(取负值的广义Tsallis 熵)直接联系起来。广义的柯尔莫果洛夫概率(Generalized Kolmogorov Probability)推广了柯尔莫果洛夫概率三公理的第一公理:概率可在(-无穷大,+无穷大)开区间范围内取值。

(2)
A Historical Records - Generalized Kolmogorov Probability

Generalized Kolmogorov Probability was put forward by Dr. Xiangjun Feng , the Founder of 泛泛系(Fan Fan Xi) Theory, on November 24, 2004 [1]. Dr Feng has recently made an important progress for this research[2]. He related his Generalized Kolmogorov Probability directly