一类半参数回归模型的估计理论

考虑半参数回归模型Y=X’β+g(T)+e,其中(X,T)为取值于R^p×[0,1]上的随机向量,β为p×1未知参数向量,g为定义于[0,1]上的未知函数,e为随机误差,Ee=0,Ee²=σ²>0,且(X,T)与e独立。本文综合最近邻和最小二乘的方法定义了β,g和σ²的估计量,g_n^*和。在适当条件下证明了和的渐近正态性,并得到了g_n^*的最优收敛速度。     

微极各向同性弹性板中的Rayleigh-Lamb波

研究了无应力作用条件下，均匀、各向同性、圆柱形微极结构弹性板中波的传播．导出了对称和斜对称模式下波传播的特征方程．对短波这一极端情况，无应力圆板中对称和斜对称模态波的特征方程退化为Pmyle曲表面波频率方程．并得到薄板的计算结果．给出了位移和微转动分量，并绘制了相应图形．给出了若干特殊情况的研究结果及对称和斜对称模态特征方程的图示．     

多时滞随机神经网络的稳定性

通过构建李雅普偌夫函数的方法和利用半鞅收敛定理对一类随机时滞神经网络的全局指数稳定进行了分析,提出了易于判定随机时滞神经网络几乎必然指数稳定性新的代数判据,推广了[1]中的主要结论.     

元回归模型中最大值点的BRPA估计的收敛速度

BRPA估计是Changchien (1990)提出的一种具有良好性质的回归函数最大值点的估计, Chen, Huang and Huang (1996), Bai and Huang (1999), 吴and王(2000)和Bai, Chen and Wu (2003)分别讨论了BRPA的极限性质\bd 本篇文章中, 我们在很一般的条件下研究了$x$为多维向量时BRPA估计的收敛速度, 推广了Bai, Chen and Wu (2003)的结果     

一维细胞神经网络的完全稳定性分析

运用Lyapunov函数方法,讨论了一维细胞神经网络模型的完全稳定性问题,给出了四组使模型具有完全稳定的充分条件.     

确定线性偏微分方程组可积系统的对合特征集方法

基于Ritt-Wu特征集方法和Riquier-Janet理论,给出一种将线性微分方程组化成简单标准形式的有效算法．该算法通过消去冗余和添加可积条件获得线性微分方程组的完全可积系统(有形式幂级数解)或不相容判定．该算法不仅适用于常系数的线性偏微分方程组,而且对于变系数(以函数为系数)仍然有效．作者还给出了完全可积系统判定定理及其严格证明．     

Pearson-χ~2距离的若干性质

本文对数理统计中常用的 Pearson- χ2距离的分析特性进行了讨论 ,得到了这一距离的一些解析性质 ,最后我们还给出了几个常用距离的关系 .     

气体分子运动速度=2~(1/2)v关系式的简易推导方法

对 u =2 v式给出了适合工科普通物理教学的简易推导方法     

等差数列的一个性质及其应用

设数列 {an}是等差数列 ,公差为d ,则an + 2 ·an-a2 n + 1=-d2 .此结论的证明不难 .an + 2 ·an-a2 n + 1=(an + 1+d) (an + 1-d) -a2 n + 1=a2 n + 1-d2 -a2 n + 1=-d2 .若从等差数列的特征去思考 ,它有an + 2+an=2an + 1这一递推关系式 ,那么此结论是否有其一般的规律呢 ?思考 1　在数列 {an}中 ,若an + 2 +an=pan + 1(n∈N ,p为非零常数 ) ,则an + 2 ·an-a2 n + 1=?探索　设bn=an + 2 ·an-a2 n + 1,则bn + 1-bn =an + 3 ·an + 1-a2 n + 2 -an + 2 ·an+a2 n + 1=an + 1(an + 3 +an + 1) -an + 2(an + 2 +an) =pan + 1·an + 2 - pan…     

B值随机变量阵列加权和的完全收敛性

设{X_ni:1≤i≤n,n≥1}为行间独立的B值r.v.阵列,g(z)是指数为1/p的正则变化函数,r>0,{ani 1≤t≤n,n≥1}为实数阵列,本文得到了使(?)成立的条件,推广并改进了Stout及Sung等的著名结论.