Fibrations理论在索引归纳数据类型语法构造中的应用

doi:10.3778/j.issn.1002-8331.1605-0259

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (4): 70-74.DOI: 10.3778/j.issn.1002-8331.1605-0259

Fibrations理论在索引归纳数据类型语法构造中的应用

苗德成1，奚建清2，刘新盛3

1.韶关学院信息科学与工程学院，广东韶关 512005
2.华南理工大学软件学院，广州 510640
3.解放军防空兵学院弹炮一体系，郑州 450052

出版日期:2017-02-15 发布日期:2017-05-11

Syntax construction of indexed inductive data types based on Fibrations theory.

MIAO Decheng1, XI Jianqing2, LIU Xinsheng3

1.School of Information Science and Engineering, Shaoguan University, Shaoguan, Guangdong 512005, China
2.School of Software, South China University of Technology, Guangzhou 510640, China
3.Department of Missiles and Shells Integration, Air Defense Forces Academy of PLA, Zhengzhou 450052, China

Online:2017-02-15 Published:2017-05-11

摘要/Abstract

摘要： 应用Fibrations理论对索引归纳数据类型的语法构造进行了研究。提出了索引fibration及其真值与内涵函子的定义，构造了索引与代数范畴，利用折叠函数与伴随函子等工具构造了索引范畴中一类相对复杂的索引归纳数据类型，辅以实例进行了简要分析，并通过相关工作的论述指出了Fibrations理论研究方法的优势。

关键词: 语法构造, 索引归纳数据类型, Fibrations理论, 范畴, 提升

Abstract:
Abstract： Based on Fibrations theory this paper presents a syntax construction method of indexed inductive data types. Firstly, it proposes the definitions of indexed fibration and its truth and comprehension functors, and constructs the indexed and algebra categories; secondly, it constructs a more complex indexed inductive data types in indexed category by some tools including fold function and ad joint functors; thirdly, it briefly introduces the work by example. At last, it states advantages of the application by comparing with some related works.

Key words: syntax construction, indexed inductive data types, Fibrations theory, category, lifting

苗德成1，奚建清2，刘新盛3. Fibrations理论在索引归纳数据类型语法构造中的应用[J]. 计算机工程与应用, 2017, 53(4): 70-74.

MIAO Decheng1, XI Jianqing2, LIU Xinsheng3. Syntax construction of indexed inductive data types based on Fibrations theory.[J]. Computer Engineering and Applications, 2017, 53(4): 70-74.

[1]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[2]	陈虹，王闰婷，肖成龙，郭鹏飞，黄洁，陈红霖. 基于DBN-XGBDT的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(22): 83-91.
[3]	于巧玉，吴耀华，王艳艳. 跨层穿梭车双提升机系统料箱拣选任务调度[J]. 计算机工程与应用, 2020, 56(20): 270-278.
[4]	王丽苗，许青林，姜文超，符基高. 集成FM的短视频喜好率预测模型[J]. 计算机工程与应用, 2020, 56(14): 118-122.
[5]	张逸，谷毅，韩芳，王直杰. 基于生成对抗网络的音频音质提升方法[J]. 计算机工程与应用, 2019, 55(20): 240-244.
[6]	马辉，车迪，牛强，夏士雄. 基于深度神经网络的提升机轴承故障诊断研究[J]. 计算机工程与应用, 2019, 55(16): 123-129.
[7]	曾礼灵1，李朝锋1，2. 结合Boosting方法与SVM的多核学习跟踪算法[J]. 计算机工程与应用, 2018, 54(13): 203-208.
[8]	路玲霞. 值域为坡代数的加权图和模糊图的范畴关系[J]. 计算机工程与应用, 2017, 53(9): 38-40.
[9]	王昭海. 余Frame范畴中同余和同态关系的相关性质[J]. 计算机工程与应用, 2016, 52(18): 54-56.
[10]	陆建龙1，魏建勋2，黄辉先1，彭一芯1，方鑫1. 基于提升小波变换的在线谐波检测[J]. 计算机工程与应用, 2016, 52(14): 50-53.
[11]	张杰武1，2，张会林1，2，李伦清1，2. 一种去噪去污的人民币序列号分割方法[J]. 计算机工程与应用, 2015, 51(7): 179-183.
[12]	李鸿1，2. 基于偏序关系粒范畴的构造方法[J]. 计算机工程与应用, 2015, 51(6): 11-15.
[13]	邓文豪，金炜东，吴旭东. 基于构造性形态学神经网络的一种提升算法[J]. 计算机工程与应用, 2015, 51(18): 140-143.
[14]	彭丽蓉1，周磊2. 认知行为计算模型结合DM的教学质量提升[J]. 计算机工程与应用, 2014, 50(9): 237-241.
[15]	霍牛义1，2，3，周少武1，张国云1，2，3，郑腾交1. 基于支持向量机的三维鼻子建模方法研究[J]. 计算机工程与应用, 2014, 50(8): 168-172.

Fibrations理论在索引归纳数据类型语法构造中的应用

Syntax construction of indexed inductive data types based on Fibrations theory.

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics