On the uniform strong approximation of Marcinkiewicz type for multivariable continuous functions

The rate of uniform strong approximation of Marcinkiewicz type for multivariable continuous func-tions is obtained in this paper as follows:‖1/k 1 k∑j=0|Sj(f)- f|q‖≤C/k 1 k∑j=0 Eqj(f),where Sj (f) denotes the square partial Fourier sum of f and Ej (f) denotes the square best approximation of f by trigonometric polynomials of degree (j, j, … ,j),j = 0,1, 2,….     

随机Dirichlet级数的增长性(Ⅱ)

虽然有许多关于半平面上收敛的Dirichlet级数和随机Dirichlet级数增长性的文章,但对零级的随机Dirichlet级数没有满足的结果,本文研究了零级的随机Dirichlet级数的增长性,并得到一些充要条件。     

Bush型函数的分形维数及其奇异性

本文给出了一类无处可微的连续函数──Ｂｕｓｈ型函数的Ｂｏｘ维数的精确值及其Ｈａｕｓｄｏｒｆｆ维数的下界估计值，同时讨论了Ｂｕｓｈ型函数的奇异性特征．     

GROWTH ESTIMATES FOR SINE—TYPE—FUNCTIONS AND APPLICATIONS TO RIESZ BASES OF EXPONENTIALS

We present explicit estimates for the growth of sine-type-functions as well as for the derivatives at their zero sets,thus obtaining explicit constants in a result of Levin.The estimates are then used to derive explicit lower bounds for exponential Riesz bases,as they arise in Avdonin‘s Theorem on 1/4 in the mean or in a Theorem of Bogmer,Horvath,Joo and Seip.An application is discussed,where knowledge of explicit lower bounds of exponential Riesz bases in desirable.     

例谈nmx[f（x），g（x）]、min[f（x），g（x）]型函数题型的解题策略

所谓max[f(x),g(x)]或min[f(x),g(x)]型函数,即是在定义域的不同部分,函数取这两个或两个以上函数值最大的函数式(或最小的函数式)作max[f(x),g(x)](或min[f(x),g(x)])的解析式,解这类问题的最佳方法是数形结合,本文例举几例说明这类函数的求解策略.     

全平面上解析的零级Laplace-Stieltjes变换

本文研究了Laplace-Stieltjes变换所定义的零级整函数的增长性.利用型函数,得到了这类整函数关于增长性及正规增长性的充要条件,推广了Dirichlet级数的相关结论.     

关于无穷级亚纯函数

用角域内的Nevanlinna理论与型函数,研究了无穷级亚纯函数的值分布,得到了无穷级亚纯函数存在涉及小函数的精确级Borel方向与Hayman方向,同时证明了无穷级亚纯函数存在涉及小函数的T方向与Hayman-T方向.所得结果使现有无穷级的结果为推论.     

Approximation by neural networks with sigmoidal functions

In this paper, we introduce a type of approximation operators of neural networks with sigmodal functions on compact intervals, and obtain the pointwise and uniform estimates of the ap- proximation. To improve the approximation rate, we further introduce a type of combinations of neurM networks. Moreover, we show that the derivatives of functions can also be simultaneously approximated by the derivatives of the combinations. We also apply our method to construct approximation operators of neural networks with sigmodal functions on infinite intervals.     

y=A sin(ωx+φ)+k——研究三角函数性质的法宝

三角函数是高中数学的重点内容之一,高中学生在分析三角函数问题时,往往因对三角变换的目标不明确、找不到解题方向而丢分.实际上,三角变换包括三个方面:①变换角,即化异角为同角;②变换函数名,也就是化异名函数为同名函数;③变换结构,主要是将高次式降幂为一次式,将低次式升幂为一次式.即将目标三角函数化为y=A sin(ωx+φ)+k的形式.     

原子轨道的函数表示及可视化

量子化学中,Gaussian型函数是常用的一种基组函数。但最初原子核外单电子波函数的解析解是Slater型函数。介绍了2者之间的差异,以及Gaussian型函数被广泛采用的原因。在介绍这些概念的同时,作者将所涉及的函数形式使用免费的绘图软件gnuplot进行可视化,并给出相应代码,以助于学生更好地理解物理概念以及抽象的数学形式。