正则F－可测空间上的正交F－测度

提出了正则Ｆ－可测空间上正交Ｆ－测度的概念，研究了其结构特征问题；同时，还讨论了正交Ｆ－测度的正态族及其弱收敛问题．     

二次型规划问题的进一步研究

进一步分析了求解二次型规划问题的神经网络方法，给出了这一方法的稳定性的可检验条件，并证明在这个条件下网络是全局收敛的，最后，给出了数值模拟例子。     

可测函数列的近一致收敛性

本文研究可测函数列极限与级数和的换序问题，给出了可测函数列近一致收敛的若干充分条件，并证明了它们的等价性。     

论线性方程组迭代解法的收敛与加速

本文应用Ｓｈａｎｋｓ变换讨论了线性方程组的迭代求解问题，在一定条件下将发散的迭代序列改变为收敛的序列，并探讨了收敛的迭代序列的加速问题。     

关于ln2的渐近展开公式

通过引进变量代换和级数求和法得到ｌｎ２的若干新的渐近展开式，并且比较了计算ｌｎ２的收敛速度。所得结果有利于计算和判断收敛速度，对估计ｌｎ２近似计算中的误差提供了依据。     

基于不同分布样本的两样本U－统计量投影残差的指数收敛速度

本文对基于不同分布样本的两样本Ｕ－统计量，研究了在核函数有界或满足一定条件的非有界时其投影残差的指数收敛速度，得到了相当于独立和的类似结果．     

关于正项级数的一种收敛判别法

本文采用较几何级数及ｐ—级数收敛更慢的级数作为比较级数，从而得到更加细微的收敛判别法。     

独立随机序列的第κ个最大值的矩收敛

设｛Ｘ＿ｎ，ｎ≥１｝为独立同分布序列，公共分布函数为Ｆ（ｘ），为第ｋ个最大值。在一定条件下，讨论了第ｋ个规范化最大值的矩收敛性，得到定理若Ｆ∈Ｄ（Ｈ），则ｎ→∞时     

用M—判别法判别函数{f_n(x)}的一致收敛

函数列{f_n(X)}的一致收敛性判别法很多,本文利用M—判别法判别函数列的一致收敛性,方法十分简捷。并对创造性思维能力的培养也是一种尝试。文中给出了函数列{f_n(X)}的M一判别法,并列举了实例。