W2m(Rn)中单个函数的平移和伸缩组合的稠密性

本文讨论单个函数的平移和伸缩的组合在Ｓｏｂｏｌｅｖ空间Ｗ２＾ｍ（Ｒ＾ｎ）中稠密的问题,得到了稠密的一个充分必要条件,并对于Ｗ２＾ｍ（Ｒ＾ｎ）中紧集内的函数给出更强的逼近结果。     

一类新的插值结点

有界单连通区域Ｇ，其边界θＧ＝Г∈（１，α），α〉０。本计算节以广义Ｆａｂｅｒ多项式φｎ（ｚ）的零点为插值结点的Ｌａｇｒａｎｇｅ插值多项式的逼近性质，得到了它对Ａ（Ｇ↑－）中的函数的一致逼近阶和平均逼近阶的估计，并且得到了它对Ｅ＾ｐ（Ｇ）中函数的平均逼近阶的估计，还指出关于平均逼近阶的估计是不可改进的。     

用平移网络逼近函数及其导数

若Х（ｘ）∈Ｗ１Ｍ（Ｒ＾ｄ），利用Х构造出具体的平移网络逼近Ｓｏｂｏｌｅｖ空间中的函数并给出逼近阶的估计。     

线性算子σ（L^∞,L^1）逼近的Korovkin定理

本文给出并证明了拓扑σ（Ｌ＾∞，Ｌ＾１）下线性算子逼近Ｌ＾∞函数的Ｋｏｒｏｖｋｉｎ定理。     

关于Tchebycheff—Fourier级数的（H,λ）平均的逼近

我们定义了（Ｈ，λ）求和法，它含有（Ｎ，ｐｎ），（Ｒ＾ｒｎ）和（Ｖｍｎ）求和法。讨论了函数ｆ（ｘ）∈Ｃ＾ｒ［－１，１］（ｒ∈Ｎ０）以及ｆ（ｘ）∈Ｗ＾ｒＨ＾ａ（ｒ∈Ｎ０，０＜ａ＜１）的切比晓夫－富里埃级数的逼近阶。     

回归系数最小二乘估计的Bootstrap估计

本文对线性模型的回归系数β的线性函数α＾Ｔβ的最小二乘估计α＾Ｔβ建立了一种新的ｂｏｏｔｓｔｒａｐ逼近，给出了逼近的相合性定量，得到了ｏ（ｎ＾－１／２）的逼近速度。     

关于苏联科学院数学研究所在函数逼近论方面的工作（上）

本文全面介绍了苏联科学院数学研究所的逼近论专家们多年来在函数逼近论的各个领域内所做的工作，这些领域包括：多项式的极值性质，一元周期函数与非周期函数逼近的正逆定理，线性逼近方法，多元函数逼近，函数类的宽度和求积公式等，在叙述这些成果的同时，作者还介绍了前人的有关结果．     

Littlewood—Paley的gλ函数与面积函数在Lipα（R^n）上的有界性

本文证明，对于Ｌｉｐｓｃｈｉｔｚ空间Ｌｉｐａ（Ｒ＾ｎ）的函数ｆ，若相应Ｌｉｔｔｌｅｗｏｏｄ－Ｐａｌｅｙ的ｇλ函数ｇλ（ｆ）（ｘ）（或面积函数Ｓ（ｆ）（ｘ））在Ｒ＾ｎ中一点有限，则它必处处有限，并且作为Ｌｉｐａ（Ｒ＾ｎ）上的算子，ｇλ和Ｓ在一定意义下有界，这对一切ａ，０＜ａ＜１，和适当的λ成立。     

绝对值函数的一致光滑逼近函数

绝对值函数是一个非光滑函数,研究了绝对值函数的光滑逼近函数.给出了绝对值函数的上方一致光滑逼近函数和下方一致光滑逼近函数,分别研究了其性质,并通过图像展示了逼近效果.     

基于小波神经网络的NLAR(p)过程的逼近

小波神经网络是近年来发展起来的一种逼近非线性函数的新型人工神经网络。特别是，正交尺度函数为某函数的小波神经网络更适合于函数逼近。本文在此基础上讨论了小波神经网络对非线性AR(p)过程的逼近。     

关于S^＊p（β）及H^＊p（β）的不等式

设Ｓ＾＊ｐ（β）表示单位圆│Ｚ│〈１内的一族ｐ次对称，正则，单叶，β级星象函数，且Ｈ＾８ｐ（β）表示单位圆不０〈│ｚ│〈１内的一族ｐ次对称，正则，单叶，β级星象函数。本文得到的一些有关函数族Ｓ＾＊ｐ（β）及Ｈ＾＊ｐ（β）的不等式。这些结果都是精确的。     

三层前向神经网络的一致逼近性

近年来，前向神经网络泛逼近的一致性分析一直为众多学者所重视。本文系统分析三层前向网络对于拟差值保序函数族的一致逼近性，其中，转换函数σ是广义Sigmoidal函数。并将此一致性结果用于建立一类新的模糊神经网络(FNN)，即折线FNN．研究这类网络对于两个给定的模糊函数的逼近性，相关结论在分析折线FNN的泛逼近性时起关键作用。     

一类变分不等方程的有限元逼近

本文对一类带有两个变函数的非线性变分不等方程进行讨论，所讨论的区域Ω＝Ｒ＾ｎ是有界子开子集，边界具有分片Ｃ＾２光滑，但不必为凸区域，文中给出了解的有限元逼近及逼近的误差估计。     

关于苏联科学院数学研究所在函数逼近论方面的工作（下）

关于苏联科学院数学研究所在函数逼近论方面的工作（下）ＣＡ．捷里亚可夫斯基（原苏联科学院数学研究所）６多元函数逼近多元函数逼近的正逆定理最早是由Ｄ．Ｊａｃｋｓｏｎ［４］和Ｓ．Ｎ．Ｂｅｒｎｓｔｅｉｎ［５］与一元函数的定理同时给出的，对多元函数的系统研究要...     

一类整函数的Pade逼近

该文首先研究了级小于或等于１，且仅具有实零点的整函数的Ｐａｄｅ逼近，其次讨论了Ｂｅｓｓｅｌ函数的ｐａｄｅ逼近。     

马氏过程的某些样本函数性质

本文给出了使马氏过程的样本函数在任何有限区间上为有界，或具有左右极限的用转移函数来表达的某些充分条件。这些结果是Ｋｉｎｎｅｙ＾［１］和Ｂｌｕｍｅｎｔｈａｌ＾［２］中相应结果的推广。     

神经网络的函数逼近能力分析

本文综述了多层前传网络（ＭＬＰ）及径向基函数网络（ＲＢＦ）对函数任意精度逼近的能力，比较了两种网络的最佳逼近特性。对激活函数类的扩充作了介绍，并说明有限数值精度对函数逼近能力实现的影响。     

回归函数的投影寻踪逼近的Lp收敛性

投影寻踪是用来处理高维数据得一类新型统计方法。由于不知道Ｅ（ｒｍ（ｘ）│α＾Ｔｍｘ）的具体形式,给投影寻踪回归的应用带来一定的困难,为此,作者曾证明岭函数为多项式形式的投影寻踪回归的Ｌ２收敛性「３」,本文在文献「３」的基础上进一步证明了回归函数投影寻踪逼近的Ｌｐ收敛性。     

一族亚纯函数的正规定则

本文讨论亚纯函数族的正规性，推广并改进了杨乐［＾２，３］，陈怀惠＾［５］和朱秀蓉、龚向宏＾［７］等人结果。     

BBH算子对P次有界变差函数的逼近度

本文运用概率工具，得出ＢＢＨ算子对在［０，∞）的任一有限子区间上具有Ｐ≥１次有界交差函数的逼近度估式，并讨论了对导函数为Ｐ≥１次有界变差函数时的逼近问题与渐近公式．