非线性约束条件下一个收敛的梯度投影法

本文提出了一个非线性约束条件下新的梯度投影方法。在较简单的假设之下,此算法是全局收敛的,且和现有的非线性约束条件下的一些梯度投影法相比较为简单。     

关于多重Fourier级数的收敛性

经典的Rogosinsky恒等式推广到多元情况形并用来求得一致收敛和a.e.收敛的判别条件.所得结果推广了一元级数的Salem-Стечкин定理     

可能最大暴雨的一个数值试验研究

本文应用局地细网格降水数值模式,对汉江上游石泉以上流域的可能最大暴雨(PMP)的计算作了数值检验.检验结果表明:用对水汽场进行放大的水汽输送法,所得流域的降水反而减小;即使考虑极端情况,使水汽全部饱和,其他地区的降水虽得到放大,但此流域的降水仍稍有减小.这说明,对计算PMP的现有简化作法用降水动力模式进行一些检验和修正,是必要的.作者並提出,直接应用降水动力模式计算PMP,应是一个值都注意的方向.     

带有讨厌参数的经验似然比置信区间

在许多情况下，形如θ０＝ＥＨ（Ｘ，μ）是人们所感兴趣的参数，这里Ｈ（·，·）是一已知在Ｒｄ×Ｒｋ上的连续实函数，其中，μ∈Ｒｋ是一讨厌参数，利用经验似然比泛函给出了θ０的经验似然比置信区间，属非参数方法，但其结果却类同于参数下的Ｗｉｌｋｓ定理和Ｏｗｅｎ的工作，同时给出了一些有用实例．     

用收敛类描述第二可数公理

用由敛类刻划了满足第二可数公理的空间，并得到一个充要条件。     

单支方法的收敛性与稳定性

本文针对Ｂａｎａｃｈ空间中一类非刚性问题，构造了一类单支方法，证明了该方法是稳定的，且当其ｑ阶相容时是ｑ阶收敛的，此外，还给出了该方法的一个整体截断误差的先验界。     

非线性代数系统的一种拟牛顿迭代法

本文讨论发数值求解非线性代数系统的一种拟牛顿型迭代方法，证明了这种迭代格式是局部Ｑ－超线性收敛。数值算例表明本文所讨论方法对某些非线性系统来说，无论是收敛速度还是算法稳定性都优于Ｂｒｏｙｄｅｎ方法。     

深层前馈网络的单调同伦学习算法

本文研究前馈神经网络的结构以及快速二阶学习算法，首先提出一种能和适应分布网络结构的深层前馈网络模型，并利用构造性方法证明了该网络的通有逼近性质，为改进网络学习效率及大范围收敛性，提出了网络权值学习的单调同伦方法，该方法具有与牛顿法相同的二阶收敛性，数值实例显示了该方法的高效性与大范围收敛性，深层前馈网络模型具有自适应分布网络结构，高度非线性逼近性以及可实现快速学习算法等特点。     

关于Stable收敛

本文对一般完备可分距离空间上的随机元序列在更广泛的形式下定义了stable收敛、给出了一些新结果,并通过正面讨论和反例研究了它与其它类型收敛的关系.