关于Euler数的一个同余式

目的研究Euler数E2n的一类同余性质。方法利用初等及解析方法。结果当素数p≡3(mod 4)时给出了Ep 12模p的一个同余式。结论建立了Eu ler数与L-函数之间的同余关系。     

随机环境中马氏链的强大数定理

研究随机环境中可列状态马氏链的有关强大数定理,证明了关于通常的非齐次马氏链的很多强大数定理,对于随机环境中的马氏链仍然成立。     

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·     

一类序列的生成函数及函数的性质

通过递归关系w(nk)=q1w(nk-)1 q2w(nk)-2 … qkw(nk-)k,(qi>0,i=1,2,…,k),给出了广义的k-Fibonacci函数Hn(k,x)=H(n)(k,x)=c1n1λeλ1x c2n2λeλ2x … ckλnkeλkx,n≥k.得到了广义的k-Fibonacci函数Hn(k,α)的表达式及与k阶矩阵=Qnk的关系.     

第二类Stirling数的一种推广

把含有n个元素的一个集合分成恰好有k个非空子集合的分拆数目就叫做第二类Stirling数,第二类Stirling数及相关问题一直以来就是人们感兴趣的研究课题,并有大量的研究成果,它在组合数学、数论中占有重要地位,有着广泛的应用.通过对第二类Stirling数的组合生成函数进行推广来对第二类Stirling数进行推广,定义了一类广义的第二类Stirling数,进一步获得第二类Stirling数的一些新的公式,推广了已有文献的结果.     

关于Pell方程组x^2-42y^2=1与y^2-Dz^2=4的公解

利用同余、递归序列、分解因子、奇偶分析等方法以及解的性质,研究了当D=2p 1…ps(1≤s≤4),其中p 1,…,ps是互异的奇素数时,Pell方程组x^2-42y^2=1与y^2-Dz^2=4的公解。得到除了D=2×337外,该方程组仅有平凡解(x,y,z)=(±13,±2,0)。     

基于长记忆性特征的欧式期权模糊定价研究

为了将金融市场的长记忆性特征纳入到不确定环境下欧式期权定价研究中,用分数布朗运动去刻画标的资产价格的变化过程.在分数Black-Scholes模型的基础上,考虑到金融市场的不确定性包括随机性和模糊性,运用随机分析、分形理论和模糊集理论构建了不确定环境下金融市场长记忆性特征的欧式期权定价模型.其次,分析了金融市场长记忆性的度量指标Hurst指数H对欧式期权定价的影响.最后,通过数值实验论证了该定价模型的合理性和可行性.研究结果表明:在不确定环境下充分考虑长记忆性特征得到的欧式期权定价模型更符合金融市场.     

自然数等幂和sum (k~m) from k=1 to n计算的新方法

自然数等幂和问题一直受到国内学者的普遍关注,应用多项式空间的差分来计算自然数等幂和sum (k~m) from k=1 to n,是解决该问题的一个新思路.     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。     

高阶Bernoulli数和高阶Euler数的混合恒等式

利用高阶Bernoulli数和高阶Euler数的定义和函数方程,研究了函数的幂级数展开,揭示了高阶Bernoulli出数和高阶Euler数的内在联系,得到了几个关于高阶Bemoulli数和高阶Euler数之间有趣的恒等式。