约化算子的性质

设H是复Hilbert空间,B(H)表示H上有界线性算子全体所组成的代数。对A∈B(H),{A}′={C:CA=AC,C∈B(H}表示A的换位。设L是H的子空间,如果L又是{A}′中任一元素C的不变(约化)子空间,则称L为{A}′的约化子空间.如果A的任一不变予空间都是A的约化子空间,就称A是约化算子,关于约化算子的己有结果见[1];如果{A}′的任一不变子空间都是{A}′的约化子空间,就称A是超约化算子。定理1 设C是一对一的紧算子,A是约化算子,B是一没有无限重特征值的非数乘的超     

f（T）的超可分解性

本文讨论在Banach 空间X 上的闭算子T 和由函数演算所确定的算子f(T)之间的关系.得到下列主要结果:(1) 若f∈(?)_(1/m)(T),且T 是超可分解的,则f(T)也是超可分解的.其中(?)_(1/m)表示在σ(T)的某邻域内解析,且在“∞”处有m 级极点的复值函数.(2) 若f∈(?)_∞(T),且T 是超可分解的,则f(T)也是超可分解的.其中(?)_∞(T)表示在σ(T)∪{∞}的某邻域内解析的复值函数全体.     

无界区域上拉普拉斯算子特征值分布函数的渐近公式

本文考虑了在空间的无界开集Ω（但具有有限测度与光滑边界Ω）上的Ｄｉｒｉｃｈｌｅｔ－Ｌａｐｌａｃｅ问题在Ｌ￣２（Ω）中特征值的分布函数的渐近估计。本文主要利用了Ｓｏｂｏｌｅｖ空间到Ｌ￣２（Ω）空间自然嵌入算子的近似数与特征值之间的关系，得到本文的结论。     

LBAM神经网络及其在图像识别中的应用

本文提出了一种用于图像识别的神经网络。它由映射网络ＭＮ和ＬＢＡＭ网络组成。ＭＮ中使用了不变性换法，降低了图像样本的维数肯保持分类距离不变。在设计ＬＢＡＭ网络时，通过全局考虑，使得网络的吸引点和吸引区域满足实际全局最优之需要。ＬＢＡＭ具有网络结构简单和收敛速度快的优点，计算机模拟证实，此网络具有对缺损和噪声图像进行正确识别的能力。     

紧李群上的三角多项式不变算子

讨论了紧李群上三角多项式不变算子的一些性质,证明了Faber-Marcinkiewiez公式的Berman推广在紧李群上也成立,同时还说明了紧李群上的Fourier级数具有类似于古典Fourier级数的一些敛散性。     

关于正规矩阵的谱变分

本文对正规矩阵Ａ，Ｂ的谱变分给出一些新的估计，证明了对于任何单调酉不变范数｜｜·｜｜，ｖ（Ａ，Ｂ）≤｜｜Ａ－Ｂ｜｜。设Ａ＝Ｕ∑１ＵＨ和Ｂ＝Ｖ∑２ＶＨ是谱分解，则ｖ（Ａ，Ｂ）一个推论部分地改进了已知的结果。     

Teichmuller空间中的极值长度函数

利用极值长度函数，研究了Ｔｅｉｃｈｍｕｌｌｅｒ空间中的度量问题及多次调和性，得到了极值长度在地震形变下的变化规律。