关于拟有限生成的Klein群的解析理论（Ⅰ）

在这组系列文章中,我们发展了拟有限生成的Klein群的解析理论,这种Klein群通常可能是无限生成的。我们说一个Klein群是拟有限生成的,若它可表示为Γ=<γ1…,γn,Γ0B)>,这里Γ(B)是Γ的极大的零化子群。(见§3)。我们研究了拟有限生成的Klein群的许多问题如:有限性定理,面积定理,上同调,Poincare级数,及尖点估计等。在§1中,我们简单地回顾了有限生成的Klein群的若干结果,特别是Ahlfors有限性定理,这一定理是Klein群的解析理论的基石。而我们的思想便来源于Ahlfors的原始文章的证明之中。在§2中,我们研究了Klein群的Π29-2-上同调的结构,我们引入了许多新的概念,如零化子空间,零化子群,Kra变换,Kra泛函,相对边缘子空间,q-代数扩张,代数扩张等。这一节的内容是研究拟有限生成的Klein群的基础。在§3中,我们引入了拟有限生成的klein群的概念,并且得到拟有限生成的Klein群的有限性定理,面积定理及若干面积不等式在§4中,我们引入了相对的Eichler积分空间,得到了拟有限生成的Klein群的一阶上同调的分解。并且研究了拟有限生成的Klein群的Poincare级数及尖点估计的理论。这一部分内容是Kra[3]的推广。在§5中,我们提出了一些这个理论中尚未解决的问题。     

广义M-解析函数的一些性质

本文讨论方程组f_x+Mf_y=Af+g,(*)其中M是无实特征值的常值m×m矩阵;f、g是m×s矩阵值函数;A是m×m矩阵值函数,类似于Vekua讨论广义解析函数那样,我们得到了(*)的解的一系列函数论性质。     

广义M-解析函数的plemlj公式

本文将《湘潭大学自然科学学报》,1986(2):32中的结果进一步推广到平面上无界正则区域上的广义M-解析函数上,并证明了广义柳维尔定理,最大模原理和普来梅公式等进一步的结果,为今后讨论广义M-解析函数的边值问题奠定了基础。     

关于整函数的(p,q)级与唯一性

我们采用O.P.Juneja等人在1976年引则入整函数研究中的(p,q)级概念,并类似地也引进整函数之零点的(p,q)收敛级的概念,以及如下的存     

拟有限生成的Klein群的解析理论(Ⅱ)

这组文章,发展了拟有限生成的Klein群的解析理论,这种Klein群通常可能是无限生成的。我们说一个Klein群是拟有限生成的,若它可表示为Γ=<γ_1…,γ_n,Γ(B)>,这里Γ(B)是Γ的极大的零化子群.我们研究了拟有限生成的Klein群的许多问题,如:有限性定理,面积定理,上同调,Poincare级数,及尖点估计等。在Ⅰ中,简单地回顾了有限生成的Klein群的若干结果,特别是Ahlfors有限性定理,这一定理是Klein群的解析理论的基石。我们的思想来源于Ahlfors文的证明之中。在Ⅱ中,研究了Klein群的Π_(2q-2)-上同调的结构.我们引入了许多新的概念,如零化子空间,零化子群,Kra变换,Kra泛函,相对边缘子空间,q-代数扩张,代数扩张等。这一节的内容是研究拟有限生成的Klein群的基础。在Ⅲ中,引入了拟有限生成的Klein群的概念,并且得到拟有限生成的Klein群的有限性定理,面积定理及若干面积不等式。在Ⅳ中,引入了相对的Eichler积分空间,得到了拟有限生成的Klein群的一阶上同调的分解。并且研究了拟有限生成的Klein群的Poineare级数及尖点估计的理论。这一部分内容是Kra的推广最后,中,我们提出了一些这个理论中尚未解决的问题。     

关于前馈神经网络的激活函数与认知能力

讨论了目前前馈神经网络研究中存在的一些问题 ,给出了前馈神经网络的一种数学框架。在这种框架下 ,提出了网络神经元激活函数的选取原则 ,给出了前馈神经网络认知能力的概念 ,证明了静态前馈神经网络的认知能力是有限的。指出了网络的认知能力与激活函数、隐层神经元个数的选取都有关 ,并提出了隐层神经元个数的选取原则。最后 ,给出了前馈神经网络泛化能力的概念 ,指出前馈网络的泛化能力是有条件的。     

拟有限生成的Klein群的解析理论(Ⅲ、Ⅳ)

这组文章,发展了拟有限生成的Klein群的解析理论,这种Klein群通常可能是无限生成的.若一个Klein群是拟有限生成的,它可表示为Γ=(γ_1,…,γ_n,Γ(B)),这里Γ(B)是Γ的极大的零化子群,本文研究了拟有限生成的Klein群的许多问题,如:有限性定理,面积定理,上同调,Poincare级数,及尖点估计等。在Ⅰ中,简单地回顾了有限生成的Klein群的若干结果,特别是Ahlfors有限性定理,这一定理是Klein群的解析理论的基石.其思想来源于Ahlfors文的证明之中. 在Ⅱ中,研究了Klein群的Ⅱ_(2q-2)-上同调的结构,引入了许多新的概念,如零化子空间,零化子群,Kra变换,Kra泛函,相对边缘子空间,q-代数扩张,代数扩张等.这一节的内容是研究拟有限生成的Klein群的基础。在Ⅲ中,引入了拟有限生成的Klein群的概念,并且得到拟有限生成的Klein群的有限性定理,面积定理及若干面积不等式。在Ⅳ中,引入了相对的Eichler积分空间,得到了拟有限生成的Klein群的一阶上同调的分解.并且研究了拟有限生成的Klein群的Poincare级数及尖点估计的理论.这一部分内容是Kra的推广。最后提出了一些理论中尚未解决的问题。     

汽油机动力性的前馈神经网络模型

如何优化汽油机的动力性 ,是研究者致力追求的目标。利用多层前馈神经网络的反向传播算法特性 ,建立了汽油机动力性与点火正时、空燃比、发动机转速、油门开度等之间关系的神经网络模型 ,用以分析、预测、优化汽油机动力性能 ,探讨车用汽油机动力性的科学评价指标     

关于(p,q)级整函数之复合函数的级与下级

在整函数的研究中,定量估计复合函数的增长率是很有必要的。众所熟知的一个结果还是G.pólya于1926年获得的。详见[2]或[3]。此后几十年,有关这方面的工作进展不大。原因在于大家习用的整函数分类(仅分为有限级与无限级两类)不利于这方面的讨论。