强迫布鲁塞尔振子双稳周期吸引子的初值流域

本文利用数值方法,在几组典型参数值下,详细地考察了弱耦合强迫布鲁塞尔振子在超临界情况下双稳周期运动的周期与初值的关系。首次在初值平面x_0—y_0上的一定范围内,给出了导致不同周期运动的初值分布(流域)。计算结果还表明:在此范围内不存在多重稳定态,因而从一个方面进一步加强了弱耦合条件下的强迫布鲁塞尔振子与圆映象的可比性。     

神经网络技术在测井相分析及水淹层判别中的应用

以测井相分析和常规测井资料定性识别水淹层的理论为基础，运用神经网络技术，对勘探阶段的探井进行了沉积相识别，并对油田开发阶段的水淹层进行了级别划分．对长庆、大港等油田的４口探井进行了测井相分析，并对２０多口开发井的单井进行了评价．结果表明，神经网络技术可以有效地应用于油田勘探开发测井中．     

区间值函数和Fuzzy值函数的常微分方程解的性质

将普通常微分方程解对初值的连续性和可微性加以推广，得到了区间值函数的常微分方程解对初值的连续性和可微性．在此基础上，应用Ｆｕｚｚｙ集的分解定性，讨论了Ｆｕｚｚｙ值函数的常微分方程解对初值的连续性和可微性．     

多目标决策中确定权值的一种新方法

在分析和理论推导的基础上，利用最优传递矩阵对传统的层次分析法（ＡＨＰ）进行改进，建立了改进的层次分析法（ＩＡＨＰ）。利用ＩＡＨＰ求得的判断矩阵能自然满足一致性要求，不需要进行一致性检验，可直接求得各因素的权值     

BP神经网络算法探讨

BP神经网络算法是在BP神经网络现有算法的基础上提出的,是通过任意选定一组权值,将给定的目标输出直接作为线性方程的代数和来建立线性方程组,解得待求权,不存在传统方法的局部极小及收敛速度慢的问题,且更易理解。     

基于特征域词频的邮件过滤方法的研究

出了根据邮件特征域信息和特征词频进行垃圾邮件过滤的新方法，并介绍在该方法中的文本特征选取、特征词典构造以及基于TF的权值计算等相关技术，以及改进的文本相似度计算概率模型.实验表明该方法在邮件过滤的查全率、查准率等几个性能评价指标上，比传统的Rocchio方法有了明显改善.     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

基于改进的遗传算法求一元非线性方程的根

对求优化问题的标准遗传算法加以改进，并利用改进后的遗传算法求一元非线性方程的根，数值模拟表明，在染色体的长度控制在6-8的情形下，不仅不依赖函数的性质和初值的选择，而且可快速求出方程的高精度的根。     

零初值条件下系统的阶跃响应、脉冲响应及其传递函数的关系

控制系统的阶跃响应、脉冲响应及其与系统传递函数的关系为控制理论界的人所熟悉．该文针对单输入单输出系统探讨零初值条件下三者之间的关系，并提出了一些新的结论和见解，其中有由典型响应计算系统的传递函数的一种新方法——构造法．这对于完善三者之间的关系是完全必要的，并将为教学科研提供重要的参考价值。     

Caputo型分数阶差分方程解对初值的连续依赖性

本文利用广义Gronwall不等式和离散Mittag-Leffler函数的性质,证明了一类Caputo型分数阶差分方程解对初值的依赖性。