代数超曲面的阶和代数丛的级

本文讨论了代数超曲面的阶等于它在一条直线上的（实和虚）点的个数，代数丛的级等于它通过一个ｎ－２维平面的（实和虚）超平面的个数等代数超曲面性质。     

辛4流形和代数曲面

辛4流形和代数曲面的研究是当前数学的重要而活跃的课题,它与许多数学分支有关,综合使用了多方面的工具和技术,涉及规范理论、辛几何、伪正则曲线、奇性理论、横空间、辫群、单值性以及经典拓扑学和代数几何等。2003年9月2～10日在意大利Cetraro举办的C．I．E．M夏季学校邀集七位国际知名学者就此领域的研究作了五个系列讲座,本书收集了这些讲座讲稿,     

李p—超代数的约化包络代数

证明了有限维李－ｐ超代数的约化包络代数是一个Ｆｒｏｂｅｎｉｕｓ代数，然后研究了李ｐ－超代数的某类约化包络代数满足多基式恒等元的充要条件。     

隐式代数区问曲面的G1拼接

本文利用代数几何中关于理想的Grobner基理论，研究了隐式代数区间曲面光滑拼接的问题，所得到的拼接曲面是G1连续的，实例表明该方法是简单有效的．     

多维流动湍流代数应力模型的比较

介绍了湍流传统代数应力模型和作者新建的代数应力模型的基本思想，用κ－ε模型和传统的及新的代数应力模型进行了多维数值计算，比较了正应力分量的各向异性和宏观湍流速度场。三种湍流模型之间存在明显差异，新的代数应力模型显示具有一定的优越性。     

复分析与代数几何

本书是1977年初版本的平装重印本。原版本是为庆贺K．Kodaira教授60寿辰而出版的专题论文集。Kodaira是当代著名数学家，代数几何和复分析领域的国际权威学者。他在代数簇和复流形理论的研究中作出了决定性的贡献，重要工作有：调和积分论及其对于代数簇和Kahler簇的应用、消没定理、Hodge簇的射影嵌入、形变理论及紧复解析曲面理论等。他的主要论著被汇集为三卷本的论文选集出版。     

C—代数同态

C－代数理论是现代数学里的一个新的分支，对C－代数同态作了进一步的研究，给出了C－代数同态的一些重要结果。     

Z-拟代数Domain

对一般的子集系统Z,引入Z-拟代数domain的概念,证明了Z-domain P是Z-拟代数的当且仅当P上的Z-Scott拓扑σz(P)在集包含序下是代数的超连续格,即超代数格;Z-拟代数domain P上的Z-Scottg拓朴σz(P)是Sober的当且仅当空间(P,σz(P))具有弱Rudin性质．     

标准算子代数的T-导子

设A为一代数，M为A－双模，线性映射，δ：A→M称为T－导子，是指对于任意，A，B∈A，使δ（AB）＝δ（A）T（B）＋T（A）δ（B）成立，该文研究了T－导子的性质，得出如下主要结论：（1）设A为标准算子代数，线性映射δ：A→A 满足δ（P）＝δ（P）T（P）＋T（P）δ（P），AP∈A，称为幂等元，则δ为T－导子；（2）设A是一个投影代数，M是一个BanachA一模，则A到M的任一范数连续的T－局部导子是T－导子。     

有理曲面上的无限维李代数向量丛及其限制到光滑反典范曲线

我们研究的是代数学中的重要方向李代数理论与几何学中的重要方向代数几何的一个交叉研究项目,与李代数、代数表示论、代数曲面、椭圆曲线以及数学物理有密切的关系。关于有理曲面上的根格的研究起源于Manin。Manin在他的著名的书中发现,一类特殊     

基于代数神经网络的多元多项式不可约判定及学习算法

把感知器作为数学模型,充分利用神经元的运算特性,以二元多项式近似求根神经网络模型为基础,设计一类多元多项式不可约判定的神经网络模型,它是单输入多输出三层前向神经网络,给出神经网络学习算法,这种学习算法在ｐ－ａｄｉｃ意义下,通过调整隐层与输出层的权值Ｃｉ,ｊ完成学习,可确定出多元多项式不可约,通过算例表明,该算法有效,相比传统的判定算法,可操作性强。     

Novikov Color代数与Tortken Color代数

给出Novikov color代数、 Tortken color和Jordan color代数的定义, 并讨论它们之间的关系, 证明了有单位元的Tortken color代数是结合的, 也是color交换的. 给出Novikov color代数和Tortken color代数的基本性质以及利用Novikov color代数构造Tortken color代数的方法.     

交叉余积上的弱Hopf代数结构

利用左H-模、弱双代数、交叉积等工具给出了交叉余积成为弱双代数与Hopf代数的充要条件.     

前向多层代数神经网络隐层神经元数目估计方法

结合目前估计前向三层神经网络隐层神经元数目的方法 ,提出一种向量不交关系来确定多层(层数 >3)前向代数神经网络隐层神经元的数目 ,该方法只须估计出第一隐层神经元的数目 ,其余各层神经数目利用不交关系的算法随之确定 ,通过多项式代数函数实例表明 ,该方法有效     

Meta-Heisenberg代数的导子代数

给出了有限维Meta-Heisenberg代数的导子代数，并证明了它是完备李代数。     

Leibniz Color代数和Leibniz Poisson Color代数

定义了Leibniz color代数和Leibniz Poisson color代数, 并通过新定义的乘法运算得到了构造Leibniz color代数和Leibniz Poisson color代数的方法.     

由结合代数构造q-李代数及低维q-李代数的分类

利用类似由结合代数构造李代数的方法来构造q-李代数,给出了要做成q-李代数须满足的条件。并且具体分析了1维,2维的q-李代数,使q-李代数进一步完善。     

粗糙分类代数--协议关系与粗糙商代数

提出了协议关系的粗糙分类代数、粗糙单代数、协议关系粗集函数等概念。刻画了粗糙分类代数的性质,构造了粗糙商代数,得到了一些基本结果。提出了回避-归并算法,并给出了一个例子。     

基于Hensel构造的回归神经网络符号计算模型及算法

将传统意义下Hensel构造提升的方法与回归神经网络模型有机地结合起来，提出一种基于Hensel构造方法的回归神经网络近似代数符号计算新模型和PFRNN网络算法。该模型不但具有回归神经网络的特点，而且具有Hensel构造提升的思想，给人们研究代数符号计算与近似代数符号计算提供一种可视化手段。通过多元多项式近似因式分解算例分析可以看出，新模型刻划出在符号计算意义下精确计算与近似计算的本质与联系。     

次BL代数的修正及其应用

次BL代数是多个重要逻辑代数的理论基础，文章对次BL代数作了进一步的深入研究，得到了一些很好的结论，其主要结果有：1）简化了次BL代数的定义；2）给出了次BL代数的另外两种等价形式，进一步揭示了次BL代数与其他逻辑代数之问的关系；3）证明了一种强次BL代数与BR0代数之间的等价关系。并以次BL代数为基础蛤出了BR0代数和R0代数的简化定义，改进了已有的结果。