一个含参数积分的最小值问题

本文运用Ｒｉｅｍａｎｎ－Ｓｔｉｅｌｊｅｓ积分的基本性质，得到了满足方程∫ｔａｇ（ｘ）ｄｘ＝１２∫ｂａｇ（ｘ）ｄｘ的解ｔ就是Ｉ（ｔ）＝∫ｂａｆ（ｘ）－ｆ（ｔ）ｇ（ｘ）ｄｘ的最小值点。其中ｆ（ｘ）在［ａ，ｂ］上单调连续，ｇ（ｘ）在［ａ，ｂ］上非负可积。此结果在数学分析中有广泛的应用。特别地，给出了文献［２］～［５］所讨论问题的一般公式。     

三维形体的线性八叉树表示及运算实现

在使用线性八叉树表示三维形体的基础上，给出了三维形体的体积、形心、结点的颜色查询、表面积、２个形体的并运算、旋转、投影和截面等算法．对每一种算法都给出了复杂性分析．     

三个决策变量的线性规划问题的图解分析

用图解法解线性规划问题一直总限于两个决策变量．本文采用画法几何的方法，用图解法解决了含有三个决策变量的线性规划问题．     

非光滑极小极大神经网络收敛性分析

利用非光滑分析的理论讨论了非可微鞍泛函的ｍｉｎｉｍａｘ问题，并建立非光滑神经网络来求鞍泛函的鞍点，在适当的条件下，利用Ｌｙａｐｕｎｏｖ理论讨论了网络的收敛性怀稳定性。     

等汉明距离编码的研究

提出了一种特殊的线性分组码，它各码字之间具有相同的汉明距离，并且可以编成循环码．同时说明，除此码之外，不存在其它的分组码具有码字之间汉明距离均相同的情况．     

各种速率矢量和激励线性预测（VSELP）编码器的实现

研究并改进了矢量和激励线性预测，语音编码器，介绍了８ｋｂｉｔ／ｓＶＳＥＬＰ编码方案的实现及在此基础上利用矢量量化ＬＰＣ参数，减少激励码本数和子块分裂等方法；改进的６．４ｋｂｉｔ／ｓ，４．８ｋｂｉｔ／ｓ及２．４ｋｂｉｔ／ｓ ＶＳＥＬＰ的方案和结果。     

数学神经网络(V)──某些数学方法的神经网络表示

继续研究数学神经网络，这里提出一种观点：人工神经网络可以作为数学的一种可视化手段．首先用例子指出几种熟知的数学方法可以用神经网络表达，然后讨论了线性规划、多目标线性规划、模糊线性规划以及模糊关系方程的神经网络形式．     

关于短延时码本激励线性预测编码方案的改进

在短延时码本激励线性预测语音编码方案中，直接用Ｇ．７２８所提供的现成码本时对加噪声后的语音信号进行编解码时，效果不好，作者利用ＬＢＧ算法训练了自己的码本，并利用此码本对加噪声后的语音信号进行编解码，取得了良好的效果，使主观感觉质量变好，信噪比提高了约３ｄＢ。