Euler收敛的Cauchy强收敛探讨

在理论计算机科学中,形式语言的讨论归结为形式幂级数半环上的方程x=ax+b,而半环上极限论是讨论半环上方程的重要工具,特别是当limn→∞an=0时,强收敛性保证了半环上方程x=ax+b有唯一解a*b.因此半环上的强收敛性的讨论具有十分重要的意义.文章在实数半环上利用Cauchy强收敛性证明了Euler收潋性及其强收敛性,简化了传统的对Euler收敛的讨论.     

n-Banach空间中点列的强收敛与弱收敛

在文献[1]的基础上,将2-赋范空间中强收敛与弱收敛的相关结果推广到了n-Banach空间中.首先,在n-赋范空间中引进了点列的弱收敛,一致凸与凸性模等概念,得到了n-Banach空间中强收敛与弱收敛的基本性质.其次,讨论了n-Banach空间中强收敛与弱收敛之间的关系.最后,给出了n-Banach空间成为一致凸空间的两个充要条件.     

强一致收敛与动力性质

一般,许多动力性质(如:拓扑传递、拓扑混合等)不能被一致收敛性所遗传.本文引入强一致收敛性的概念,并说明紧致度量空间上映射的一些动力性质被强一致收敛性所保持.     

一类递归密度估计的强收敛

一、引言设X_1,X_2,…,X_n是从一维总体中取出的iid样本,为估计总体密度f(x),Rosenblatt提出了所谓核估计(?)_n(x)=nh_n/1 sum from j=1 to 1 K((x—X_j)/h_n). 其中,K为R~1上的概率密度,称为核函数,h_n>0称为窗宽。1962年,Parzen研究了(?)_n(x)的相合性及渐近正态性,此后,密度估计引起了统计界的广泛注意。六十年代末七十年代初,Wolverton和Wagner以及Yamato独立地提出了f(x)的另一种估计     

Pickands估计的强收敛速度

在本文中,我们建立了极值分布指数γ的Pickands估计γ^{^P}_n的ａ.ｓ.收敛速度。     

一般约束最优化强收敛的广义强次可行方向法

讨论一般约束最优化,利用广义投影技术和强次可行方向法思想,建立一个初始点任意的新算法,该算法不仅具有全局收敛性,而且是强收敛的,文中还对算法进行数值试验。     

基于Orlicz函数的模糊数列A~I-统计收敛和强A~I-收敛

作为模糊数列理想统计收敛的推广,基于Orlicz函数和非负正则矩阵A={a_(nk)},提出和讨论了模糊数列A~I-统计收敛和强A~I-收敛的相关性质及2种收敛之间的关系,如果模糊数列x={x_k}强A~I-收敛,则A~I-统计收敛.     

2—赋范空间中点列的强收敛与弱收敛

本文引进了2—赋范空间中点列的强收敛,弱收敛与一致凸的2—赋范空间等概念,得到了强收敛与弱收敛的基本性质及它们的关系。最后给出了一致凸的2—赋范空间的一个充分必要条件。     

刻度参数变点估计的强收敛速度

对至多一个刻度参数变点的模型,在运用滑窗方法给出了检测变点存在性的U统计量基础上,进一步研究了变点估计的强相合性以及强收敛速度,并得出变点估计的强收敛速度受窗宽的选择影响.     

NSD随机变量加权和的强收敛性质

负超可加相依(negatively superadditive dependent,NSD)随机变量是一类包含独立随机变量和负相协(negatively associated,NA)随机变量在内的非常广泛的相依变量。文章利用NSD随机变量的三级数定理和随机变量的截尾技术,在较弱的条件下建立了NSD随机变量加权和的若干强收敛性质。所得结果推广了独立随机变量和NA随机变量的相应结果。     

强φ-mixing变量和的收敛定理

若强φ-mixing序列{Z_i,i≥1}有Esup■|Z_i|=0(1),n→∞,S_n为L_1-收敛,n→∞。则S_n,a.s.收敛。     

极大单调算子零点的强收敛定理

利用广义投影算子技巧,在一致光滑、一致凸的Banach空间中,建立一种关于极大单调算子零点的具有误差项的投影算法,并在适当的条件下,证明了该算法的强收敛性.所得结果在关于极大单调算子的零点计算中有新颖性,改进了众多熟知的结果.     

混合序列加权和的强收敛

本文讨论了ρ合序列的广义Jamison型加权和的强收敛性,推广了著名的Jamison定理。     

一族强单调映射的公共零点的强收敛定理

在具有一致Gateaux可微范数的Banach空间中,假设任意非空有界闭凸子集都有非扩张映射的不动点的性质,讨论并在一定条件下证明了一族强单调映射的公共零点的迭代程序的强收敛定理.     

自反Banach空间中右Bregman强非扩张映射的强收敛定理

本文在实自反的Banach空间中针对有限族右Bregman强非扩张映射公共不动点构造了一类新型的Mann-Halpern型迭代算法,在适当条件下证明了该算法产生的序列的强收敛性.更进一步地,本文将此方法应用到求解极大单调算子的零点问题上.     

最优化问题一个强收敛的强次可行方向法

讨论非线性等式与不等式约束最优化,用广义投影技术和强次可行方向法思想,建立一个初始点任意的新算法,该算法不仅具有全局收敛性,且搜索方向是强次可行下降的,从而得出更好的强收敛性。     

巴拿赫空间上的强收敛（英文）

通过研究一种相对于Mann型和Ishikawa型进一步推广的迭代方式,给出了Banach空间中有限个非扩张映射逼近序列的强收敛定理.该结论不仅推广了文献[2]中Chidume和Shahzad的结论,而且弱化了原定理中对非扩张映射的要求,去掉了＂半紧＂的限制条件.     

Banach空间中一类算子的强收敛定理

研究了自反的Banach空间中非空凸非扩展保核收缩序列的M-收敛性问题，主要证明了：设E是自反的Banach空间，B是E的闭凸子集，{C0}是B的非空凸的非扩展保核收缩序列,若C0=M-LimC0存在且非空,则C0是B的非扩展保核收缩凸核。     

强一致收敛下的保持性和混沌性

首先证明了:若在强一致收敛下序列函数是渐近周期的(几乎周期的),则其极限函数也是渐近周期的(几乎周期的).最后讨论了动力系统中的序列函数在强一致收敛下的极限函数的混沌性.