带积分边界条件的分数阶微分方程正解的存在性

基于锥上的不动点指数理论,通过构造锥和Green函数的性质,给出如下带有双参数的非线性边值问题:■在不同增长性条件下正解的存在性、多解性和不存在性,其中:2α3;0μ2和λ0是两个参数.     

一个较精确加强型的半离散Hilbert型不等式

应用权函数的方法及Hermite Hadamard不等式, 建立一个较精确且加强型的半离散非齐次核Hilbert型不等式, 并给出该不等式具有最佳常数因子联系参数的一组等价性质及一些特殊参数不等式.      

φ-截曲率为常数的Sasaki统计流形中子流形的广义标准δ-Casorati曲率不等式

对φ-截曲率为常数的Sasaki统计流形中的子流形建立关于广义标准δ-Casorati曲率的不等式, 并给出不等式中等号成立的条件.     

对流-扩散方程初边值问题的重整化群方法

利用摄动重整化群方法研究一类对流-扩散方程的奇异摄动初边值问题. 首先将时滞微分方程分解为左、右两个不带时滞的边值问题, 然后利用重整化群方法分别构造左问题和右问题的渐近解, 最后利用光滑缝接条件将左右两段解相连, 得到原问题的逼近解.     

END随机变量的完全矩收敛和完全积分收敛

设{X,X_n,n≥1}是同分布的END(extended negatively dependent)随机变量序列,■。研究了完全矩收敛性■在r1,q0, 0p2,a_n=1,b_n=n和■的情况下,与完全积分收敛的一些等价结论。所得结果推广了NA(negatively associated)变量和NOD(negatively orthant dependent)变量的若干相应结果。     

关于Hermite矩阵的若干不等式

利用矩阵不等式的相关知识，以及Neumann不等式和已知的实数不等式，将2个简单的实数不等式推广到矩阵迹和范数领域，得到矩阵范数不等式的推广形式.     

一种新的具有多个储备池的回声状态网

回声状态网是一种新型的递归神经网络,仅需要训练输出权值,克服了传统递归神经网络存在训练算法过于复杂、收敛速度慢、易于陷入局部最小等问题.为进一步提高回声状态网的建模能力,特别是面临实现多个正弦函数叠加(MSO)等任务时的逼近能力,提出了由泄露积分型神经元构建一种新型的多储备池回声状态网,称为多储备池泄露积分回声状态网(MLESN). MLESN是采用由顶向下和由底向上相结合的思路构建回声状态网.首先采用由顶向下的思路构建回声状态网,假设其储备池由P类相异泄露积分型神经元构成,每一类神经元的群体将构成一个子储备池.然后采用由底向上方式构建回声状态网,生成P个相异中心神经元,分别代表P个子储备池,每个子储备池的神经元状态要与其中心神经元状态相同或相近,P个中心神经元之间通过随机稀疏连接构成了一个新的虚拟子储备池.在储备池状态更新过程中,仍需保持各子储备池内部神经元之间的差异性小,不同子储备池神经元状态之间的差异性大的特点.最后,利用Matlab仿真软件进行实现,并与泄露积分型回声状态网(Leaky-ESN)预测性能进行比较.仿真结果表示,本文提出的方法具有更高的预测精度和预测误差波动性小等特点.