一类阶为偶数的高斯和显式计算的注记

给出指数2情形下阶数为2l_1~(r1)l_1~(r2)的高斯和的显式计算公式.证明方法直接利用Stickelberger理想分解定理,进而结果独立于其他指数2情形高斯和的结果而成立.     

有限域上多项式的指数和及其L-函数

L-函数蕴藏着深刻的算术信息,是数论中重要的研究对象.有限域上多项式的指数和及其L-函数在一般情形下难以计算.通过利用高斯和及多项式的次数矩阵的Smith标准形,得到了在特定情形下有限域上一类多项式的指数和及其L-函数的具体公式.     

指数型调和映射北大核心CSCD

证明了在适当条件下,指数型能量和指数型调和映射是共形不变的.我们主要研究了指数型调和的黎曼淹没和等距浸入,还研究了与黎曼等距浸入相关的高斯映射是指数型调和.     

关于高斯整数环的商环元素个数的注记

设 Z表示整数环 ,i表示虚数单位 ( i=- 1 ) .Z( i)为所有形如 a+ bi( a,b∈ Z)的复数组成的集合 ,称为高斯整数环 .高斯整数环中的元素称为高斯整数 .在文 [1 ]中 ,提出了两个猜测 ,其中之一是 :设 m和 n都是整数 ,则高斯整数环 Z( i)的商环 Z( i) /( m+ ni)的元素个数不超过 m2 + n2 .本文证明这一结论成立 ,且更明确的有 ,| Z( i) /( m+ ni) | =m2 + n2 .注意 ,对 m=0 (或 n=0 )以及 m任意但 n=1 (或 n任意但 m=1 )的情形 ,文 [1 ]已经证明此等式成立 .以下我们用 | A|表示集合 A的元素个数 ,也用 | α|表示复数 α的模 .下面给出的是…     

随机时滞2D-Navier-Stokes方程的指数稳定性

由于流体受到某些遗传和不确定信息外力的影响,考虑了含时变时滞随机外力的2D-Navier-Stokes方程.借助随机分析中的It6公式和Burkholder-Davis-Gundy不等式,证明了大粘性系数情形方程整体弱解的均方指数稳定和几乎必然指数稳定.     

指数型调和映射

证明了在适当条件下,指数型能量和指数型调和映射是共形不变的.我们主要研究了指数型调和的黎曼淹没和等距浸入,还研究了与黎曼等距浸入相关的高斯映射是指数型调和.     

高斯核正则化学习算法的泛化误差

对广义凸损失函数和变高斯核情形下正则化学习算法的泛化性能展开研究.其目标是给出学习算法泛化误差的一个较为满意上界.泛化误差可以利用正则误差和样本误差来测定.基于高斯核的特性,通过构构建一个径向基函数(简记为RBF)神经网络,给出了正则误差的上界估计,通过投影算子和再生高斯核希尔伯特空间的覆盖数给出样本误差的上界估计.所获结果表明,通过适当选取参数σ和λ,可以提高学习算法的泛化性能.     

广义对角多项式指数和的估计

利用高斯和与次数矩阵Smith标准形的不变因子,给出了有限域上广义对角多项式指数和的估计,从而改进了Deligne-Weil型估计这类多项式指数和的结果.     

关于高斯-波涅公式的内在证明

<正> 本文的目的是:(1)将陈省身的对于具有光滑边界黎曼流形的高斯-波涅公式之证明稍做简化,使得不必借助于纤维丛的概念;(2)将陈的证明推广到黎曼多面体的情形.     

具有无界分段常矩阵的三阶微分方程及其扰动方程的指数

关于对具有分段常矩阵的微分方程的研究,等人在文献[1]—[5]中给出了一些重要结果,文献[1]—[3]主要研究了有界情形,文献[4]、[5]研究了二阶无界分段常矩阵情形.本文将讨论三阶无界分段常矩阵情形,给出了其解的指数的上、下界和具有上、下界指数的解的存在性;最后还研究了其扰动方程的解的指数.     

非平衡拓扑和随机干扰情形下多自主体系统的趋同条件

研究了具有一般有向通信拓扑和高斯通信噪声的多自主体系统的趋同条件.这里所研究的有向拓扑不仅包含有向平衡图,而且包含非平衡图,后者是本文的重点.我们利用马氏链的结果得到了一个网络节点的互通类;通过对噪声影响的细化,给出了不同噪声情形下系统趋同条件:(1)对互通类的自主体获取信息受到噪声干扰情形,给出了系统均方趋同的充要条件,并证明该条件也保证以概率1 趋同;(2)对互通类的自主体获取信息未受到噪声干扰但其余自主体获取信息受到干扰情形,给出了系统均方趋同的充分条件,并证明该条件在一定意义下也是必要的;(3)对整个系统无噪声情形,给出了系统趋同的充要条件.     

带干扰的积分高斯过程的破产概率

本文研究了带干扰的积分高斯过程的破产概率.利用经典大偏差的方法,在一定的条件下,得到了相应概率的对数渐近式及测度族的大偏差原理.结果表明在不带干扰的情形下与已有结果一致.     

负相关随机变量序列的对数律

在本文中,首先我们得到了负相关(ND)随机变量序列的指数不等式和矩不等式,然后运用这些不等式讨论了ND序列的对数律.结果,我们将独立情形下的对数律推广到ND序列情形下依然成立.     

高次高斯和均值的精确计算公式

本文研究了高次高斯和的计算问题.利用指数和的相关性质及各种变换技巧与方法,获得了高次均值的一个精确计算公式,拓展了经典高斯和均值计算的结果.     

具有二次函数型协差阵的多参数指数族

对以均值为参数的多参数指数族,本文指出,协差阵元素为均值的k阶多项式时,其Bh-阵具有简单形式:它的子块B(i,j)=0,对j>(k-1)(i-1)+1,i=1,2,…,于是对k≥2(二次函数型协差阵)情形,Bh-阵的非对角子块均为零阵。本文给出了其对角子块的递推表达式,最后我们讨论了k≤2情形的多参数指数族形式。可看出它们基本是单参数指数族k≤2情形的自然推广。     

理想类群指数≤2的虚二次函数域

本文给出虚二次函数域K=k~（1/2）D（k=Fq（x）,2+q）的理想类群指数≤2的一个必要条件.在某些条件下,这个条件也是充分的.特别地,给出了Louboutin[1]一个结果在函数域情形的模拟.     

关于丢番图方程1+5~x+2~y5~z11~u=2~v·11~w,yvw>0,x+z>0的解

讨论了丢番图方程1+X+Y=Z的一个特殊情形.借助计算机,用初等方法给出了指数丢番图方程1+5~x+2~y5~z11~u=2~v·11~w,yvw>0,x+z>0的全部非负整数解.     

R.S.Singh的一个猜想的证明:离散情形

本文讨论了一维离散指数族在平方误差损失下的经验Bayes估计问题.证明了其参数的任何经验Bayes估计的渐近最优收敛速度都不可能达到O(n^-1),即使参数空间被限定于一个有限区间.这意味着,Singh(对Lebesgue指数族情形提出)的一个猜想,在离散指数族情形,被证明是正确的.     

ψ-混合随机变量序列的重对数律

本文讨论了同分布的 -混合序列其共同分布属于稳定分布(非高斯情形)吸引场部分和的Chover型重对数律.特别地当分布函数属于稳分布的正则吸引场时,得到了部分和及后置和更精细的结果,即积分检验的结果,由此立即可推出相应的Chover型重对数律.     

ψ-混合随机变量序列的重对数律

本文讨论了同分布的 -混合序列其共同分布属于稳定分布(非高斯情形)吸引场部分和的Chover型重对数律.特别地当分布函数属于稳分布的正则吸引场时,得到了部分和及后置和更精细的结果,即积分检验的结果,由此立即可推出相应的Chover型重对数律.