一类新的非线性混合拟变分包含的灵敏性分析

研究了一类新的非线性混合拟变分包含的灵敏性问题，通过使用预解算子及不动点技巧，证明了这类含参数的变分包含的解的存在唯一性及连续性，推广了近期有关文献的一些结果。     

关于Diophantine方程xp+2p=Dy2

设p是奇素数,D是无平方因子正整数。文章证明了:当p>3时,如果D不能被p或2kp+1形之素数整除,则方程xp+2p=Dy2没有适合gcd(x,y)=1的正整数解。     

边界拟合坐标网格生成方法研究

指出了Thompson及Thomas曲线网格生成方法中控制网格分布的调节函数的问题所在，克服了Thomas曲线网格生成法中边界局部平直近似假定的缺陷，经过严格推导得出一组新的调节函数，并给出了曲线网格生成实例。实例检验表明，该调节函数能够对复杂边界的单连通域或多连通域生成理想的曲线网格，即边界处网格正交，内部网格分布能够适应物理量场变化。     

非线性生育率阶段结构的收获模型

建立并分析了一类非线性生育率阶段结构的单种群的收获模型，得到了正平衡点全局稳定的条件，给出了最优收获策略．     

最小二乘法在石油闪点检测中的应用

以铂电阻分度函数为基础，利用最小二乘法算法，给出了拟合多项式，很好地解决了石油闪点检测系统中铂电阻不平衡电桥法测温方案中的非线性误差，其方便性和实用性已在应用中得到验证。     

发酵过程混合神经网络模型及其仿真

提出了一种新型的发酵过程混合神经网络模型，该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线形式的Flat网络，两个网络能够合并为同一表达式，并具有线性形式，可采用线性最小二乘法求解网络权值，与串联结构及串并联结构混合神经网络模型相比，该模型训练方式简单，并可方便地使用在线辨识算法。     

基于变神经网络的非线性最小方差预测控制器

提出基于变神经网络学习动态系统参数的最小方差预测控制器。其目的是通过在线学习 ,使控制器(MVPC)能适应被控对象参数变化和非确定性。提出的变神经网络由两部分组成 ,一部分是线性神经网络 (LNN) ,作为被控对象局部线性动态模型 ,另一部分是多层交叉回归神经网络 (DRNN) ,它近似为非线性动态模型。由于引进递推最小方差算法 ,本控制器运算速度相当快。仿真结果表明所提方法对非线性系统自适应控制是有效的     

非线性技术的发展和现代教育

本文简要地介绍了近年来非线性技术的发展概况,及其在现代教育中的应用.     

Roth等价定理的一个推广

设F是其中心域上有限生成的体。推广了Roth WE等价定理，给出了F上的矩阵方程组 { A1X-YB1=C1;A2X-YB2=C2;AtX-YBt=Ct相容的一个充要条件。