不具备M-矩阵条件的时滞Hopfield神经网络模型的收敛性

考虑了一类具有时滞的Hopfield神经网络模型解的收敛性．在不需要M-矩阵条件的前提下，获得了该网络的所有解当t→∞时都趋向于平衡点．其结果补充和完善了已有文献的相应结果．     

周期冲激函数与黎曼引理

证明了周期冲激函数展开所得到的傅里叶级数收敛于冲激函数，冲激函数不满足黎曼引理，因此由黎曼引理导出的傅里叶级数的性质不适合于周期冲激函数，对由黎曼引理推出的傅里叶级数的系数的性质进行了修正。     

不具备M—矩阵条件的时滞Hopfield神经网络模型的收敛性

考虑了一类具有时滞的Hopfield神经网络模型解的收敛性. 在不需要M-矩阵条件的前提下,获得了该网络的所有解当t→∞时都趋向于平衡点. 其结果补充和完善了已有文献的相应结果.     

牛顿型迭代法的收敛性及应用

I．K．阿吉洛斯 著 本书是计算数学的专著。迭代方法是计算数学中最重要的一大类方法，而书名中的牛顿就是有史以来的那位最伟大的科学家，一般人只知道他在力学方面的贡献，有的也知道他发明微积分，事实上他在数学方面的贡献远不只于此，其中一个就是求多项式的根的牛顿方法，这个方法后来有大量推广，形成了一套迭代方法，并在工程、优化问题、经济系统等建模、解各种微分方程等方面有着重要应用。     

一个解无约束几何规划的共轭梯度算法

利用几何规划的对偶原理,将几何规划问题转化为相应的对偶规划,并利用几何规划及其对偶规划的特点,以及非线性规划共轭梯度算法的研究成果,将2者进行了恰当的结合,构造了无约束正定几何规划的一种有效算法.在算法中采用了一种较好的广义Armijo步长搜索方法,且在较弱的条件下证明了算法的下降性和全局收敛性.     

Ostrowski-Reich定理在GETOR方法中的应用

定义广义ETOR（记为GETOR）方法，同时对GETOR方法建立了Ostrowski-Reich型定理，扩充了巳有的结果。     

系数是（～p）随机序列的随机Dirichlet级数的收敛性

设{Xn,m≥1}是（～p）混合序列,利用（～p）混合序列的三级数定律这一工具研究随机级数的收敛性与增长性,得到了与独立类似的结论.     

一个新的混合共轭梯度法及其收敛性

共轭梯度方法是求解无约束优化问题的一种有效的方法,特别是在大规模的计算问题中极其有效.提出了在新的线搜索下的一种混合共轭梯度方法,并证明了它的全局收敛性.     

高次Wilson元的收敛性分析

给出了Poisson方程的非协调高次Wilson有限元方法的收敛性分析,并得到最优误差估计,同时通过数值算例验证了理论分析的正确性.     

退化的粘性守恒律方程解的收敛性估计

主要研究退化的粘性守恒律方程的熵解的收敛性问题.采用Kuznetsov的证明方法,类似于他对非退化的情形的讨论,证明了当‖ε‖C0→0时,粘性守恒律方程utε＋f（uε）x=ε（x,t）uεxx（ε（x,t）≥0）初值问题的解uε（x,t）收敛到无粘守恒律方程ut＋f（u）x=0相应初值问题的解u（x,t）,并给出了收...