小区间内的Goldbach数

设B为充分大的正常数,ε为充分小的正常数,N是充分大的正整数,A=N^7/81+ε,证明了:区间(N,N+A)中的偶数,除去O(Alog^-BN)个例外值,均为Goldbach数.     

关于相邻素数之差

设B为充分大的正常数,ε为充分小的正常数,X和N充分大.主要证明了:1)对于正整数n,X<n≤2X,除去O(Xlog^-BX)个例外值,区间(n,n+n^1/14+ε)中包含一个素数;2)如果A+N^1/12+ε,则区间(N,N+A)中的偶数,除去O(Alog^-BN)个例外值,均匀Goldbach数.     

有限变系数系统的运动稳定性

以E(p,q;ε)记满足条件的二阶变系数系统的全体所组成的集合。此处p>0,q>0,ε≥0。本文证明了:(甲) 对于任何两个正常数p及q,存在一个正常数ε^*=ε^*(q/p²),使得(ⅰ) 当0≤ε<ε^*,则集合E(p,q;ε)中的每一个系统的平凡解都是渐近稳定的;(ⅱ) 当ε^*<ε,则集合E(p,q;ε)中有系统共平凡解是不稳定的。这就否定了一种普遍的猜想:条件p₁≥p(t)≥p₀>O,q₁≥q(t)≥q₀>0。可以保证系统的平凡解的稳定性;(ⅲ) 当ε^*=ε,则集合E(p,q;ε)中每一系统的平凡解都是稳定的,但存在系统,其平凡解不是渐近稳定的。(乙) 函数ε^*(q/p²)随q/p~2由0增加到+∞,而由1单调减少到0。(丙) 给出了函数ε^*(q/p²)的数值图表,以及近似解析表达式,供工程师及物理、力学家之用。注意,p₁实际上可任意大,ε^*只与p₀,q₀,q₁有关,相应的结果亦已得到。     

线性模型中误差方差的二次型估计的可容许性问题

设有线性模型Y=(y₁…y_n)’=Xβ+ε=X(β₁…β_p)’+(ε₁…ε_n)’,这里n≥p,X已知,ε₁,…,ε_n相互独立,E(ε_i)=0,E(ε_i²)=σ²,E(ε_i³)=0,E(ε_i⁴)=3σ⁴,i=1,…,n,β∈R^p,0<σ~2<∞。令?={Y’AY:A≥0}。当损失函数为σ^-4(d-σ²)²且X=I_n或者X=1_n时,给出了 Y’AY(A≥0)在?中是σ₂的可容许估计的充分必要条件。又当ε～N(0,σ²I_n)时,给出了Y’AY(A≥0)在σ²的一切估计类中是可容许的充分条件。     

5个几乎相等的素数之平方和(II)

证明了每一满足条件N≡ 5 (mod2 4)的大整数均可表为N =p²₁+… + p²₅ ,其中pj 为素数且满足|pj-√N/ 5 |≤N^{12₂₅ +ε}.这一结果给出了 5平方素数定理的小区间形式 .     

小区间上的素变数三角和估计Ⅱ

设α是实数,x≥A≥2,e(θ)=e^2xiθ,Λ(n)是Mangoldt函数,以及本文用纯分析方法证明了:(ⅰ)设ε是任给的小正数,x^91/96+ε≤A≤x。那么对任给的正数c,一定存在正数c₁,c₂,使当α=a/q+λ满足:(α,q)=1,1≤q≤log^c₁x,时,(见定理2);(ⅱ)设N是大奇数,U=N^91/96+ε,则素变数不定方程N=p₁+p₂+p₃,N/3—U...     

Goldbach数的例外集合(Ⅱ)

本文把能表成二个奇素数之和的偶数称为Goldbach数,以F(x)记作不超过x的非Goldbach数的数目,证明了E(x)=O(x^0.96)。 在1742年,Goldbach在写给Euler的信中提出了任一超过2的偶数都是二个素数之和的猜想。文中称能够表成二个奇素数之和的偶数为Goldbach数,并以E(x)表示所有不超过x的非Goldbach数的数目。在文献[1]中,证明了对于充分大的x,有 E(x)=O(x^0.99)。本文将证明: 定理.对于充分大的x,有 E(x)=O(x^0.96)。     

关于Goldbach数的一些问题(Ⅰ)

本文主要证明了关于Goldbach数的一些条件结果.例如,在ζ(s)的零点密度假设成立的情况下,不等式|x—p—p''|≤c(ε)(logx)~(7+ε)对充分大的x常有解,其中ε是任给的正数,p,p''是素数.     

平稳时间序列样本自相关函数和自协方差函数的收敛速度

本文在相当广泛的条件下证明了文献[1]中关于样本自相关函数ρ(t)的一致收敛速度的结果,特别取消了E(ε(0)²|?_-∞)是常数这一条件,这里ε(n)是新息。在这些条件下还讨论了ρ(t)服从中心极限定理和重对数律的问题。另外,在较弱的条件下对样本协方差函数r(t)证明了文献[2]中结果及中心极限定理和重对数律,特别减弱了E(ε(n)²|?_n-1)是常数这一条件。     

小区间上的素变数三角和估计Ⅰ

设α是实数,x≥A≥2,e(θ)=e^2πiθ,以及A(n)是Mangoldt 函数。本文主要证明以下结论(见定理1):设δ是任给的正数,x^91/96+ε≤A≤x。那么,对任给的正数c,一定存在正数c₁,使当A^-1log^cx≤|α|≤(log x)^-c1)时,A(n)e(nα)<<A(log x)^-c     

随机发展方程小扰动大偏差原理的统一方法

设X^ε=|X^ε(t);0≤t≤1|(ε>0)是由随机发展方程 dX^ε(t)=^ε(1/2)σ(X^ε(t))dB(t)+b(X^ε(t),ν(t))dt控制的随机过程,其中ν(t)是与Brown运动B(·)独立的随机过程。讨论了|(X^ε,ν(·));ε>0|的大偏差性质;在特殊情形下,给出了精确的速率函数,解决了Eizenberg和Freidlin所提的一个问题。此外,还得到一个一般性大偏差定理。     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

某些数在所有度量下的联立逼近

文中定量地证明了:条件下的G函数的多项式的非平凡零点(复的或p-adic的),在相应的度量下都不能用某固定代数数域的代数数“很好地”逼近。并且得到了,包含一组代数无关的G函数的多项式,在某些特殊的代数点ξ上的所有度量下的较好的下界估计,即把通常的阶(相对于多项式的高的指数) —(logH(ξ)/loglogH(ξ))^1/2 改进为—(loglogH(ξ))^ε,这里H(ξ)是ξ的高,ε是任意小的正数。     

关于N参数d维Ornstein-Uhlenbeck过程样本轨道性质的注记

设{W(s),s∈R₊^N)是N参数Wiener过程,定义N参数Ornstein-Uhlenbeck过程如下:作X^N,d={(x¹(t),…,X^d(f)),t∈R₊^N),这里Sⁱ是1≤i≤d两两独立同分布的N参数OUP称之为N参数d维OUP.本文我们证明了X^N,d象集的d维Lebesgue测度为零。     

类渐近线性p&q-Laplace方程弱解的全局衰减性

该文研究椭圆型方程 {Δ_pu+m|u|^p-2u-Δ_qu+n|u|^q-2u=g(x, u), x∈R^N, u∈ W^{1, p}(R^N)∩W^{1, q}(R^N) 弱解在全空间R^N上的衰减性, 其中m, n ≥ 0, N≥3, 1 < q < p < N, g(x, u)关于u满足类渐近线性. 证明了该方程的 弱解在无穷远处关于|x|呈指数衰减性.     

关于Hayman方向

本文获得如下定理:设f(z)为开平面上λ(0<λ<+∞)级亚纯函数,则至少存在一条由原点引出的半直线(B):arg z=θ_?(0≤θ₀<2π),使得对于任意正数ε,任意正整数k及任意两个开平面上级小于λ的亚纯函数a(z)及b(z),只要b(z)—a^(k)(z)?0就有 lim log{n(r,θ₀,ε,f=a(z))+n(r,θ₀,ε,f^(k)=b(z))}/logr=λ。     

代数数的有理和代数逼近及应用

用Thue-Siegel方法给出了一大类代数数的有效有理和代数逼近.作为应用,证明了:若D>0非平方数,x²-Dy²=-1的基本解ε=x0+y0√D(2/1),则x²+1=Dy⁴可解的充要条件是y0=A²,A为整数,且当ε>64时,x²+1=Dy⁴最多只有一组正整数解(x,y).     

神经网络及其在系统识别应用中的逼近问题

本文讨论神经网络的能力问题及其在系统识别中的一些逼近问题。文中证明了:(1)函数g∈L_Loc^P(R¹)∩S′(R′)为—L^P-Tauber-Wiener函数的充要条件为g不是一个多项式;(2)当g∈(L^PTW)时,Σ _i=1^N c_ig(y_i·x+θ_i)全体在L^P(K)中稠密;(3)证明了用一元函数的复合可以逼近定义在L^P(K)上的连续(线性或非线性)泛函及L^P1K₁)到L^P2(K₂)中的连续(线性或非张性)算子。上述结果表明任一非多项式的L_LocP∩S′(R′)中的函数可以作为神经网络隐层中的非线性元,以及神经网络算法可以以任意精度识别一个系统。     

对称锥规划的邻域跟踪算法

本文把艾文宝的邻域跟踪算法推广到对称锥规划, 定义中心路径的宽邻域N(τ, β), 并证明该邻域的一个重要性质, 该性质在算法的复杂性分析中起到关键作用. 取宽邻域N(τ, β) 中一点为初始点并采用Nesterov-Todd (NT) 搜索方向, 则该算法的迭代复杂界为O(√r logε^-1), 其中, r是EuclidJordan 代数的秩, ε是允许误差. 这是对称锥规划的宽邻域内点算法最好的复杂界.     

逼近零点与计算复杂性理论

本文比较Smale对Newton方法所作的成本估计和作者对Kuhn算法所作的成本估计。结果表明,无论是算零点还是算所谓逼近零点,后者都比前者好得多,其比率分别为n⁹/μ⁷对n²log(n/ε)和n⁹/μ⁷对n³log(n/μ),这里n是多项式的阶数,ε>0是计算零点的精度要求,μ是允许相应的论断失败的概率,0<μ<1。