Locale上的收敛结构

本文从点式处理角度，在Ｌｏｃａｌｅ上成功地建立了收敛结构。利用它研究了一致Ｌｏｃａｌｅ的完备性、刻划紧性，、界定了Ｌｏｃａｌｅ上一种满意的Ｈａｕｓｄｏｒｆｆ分离性，     

不可微合成函数的极小化方法

本文提出了一种极小化不可微合成函数的下降算法。该算法通过内部迭代寻找下降方向，每次内部迭代求解一个二次规划。外部迭代点不精确线搜索求得，算法在有限步内得到近似平稳点，经过适当修正后，算法全局收敛到平衡点。     

■-混合序列加权和的收敛性质

本文在■-混合序列下给出加权和重对数律、完全收敛和强收敛的一些充分条件,这些结论简化了[6],[7]中结论的条件,推广了[8]中定理6并改进了[9]中有关结论,同时给出了加权和的Bernstein不等式.     

单调函数迭代序列的敛散性

本文用数学分析的观点，得到一些关于单调函数迭代序列的敛散性结论。     

评广义积分定义

本文论证了有关各书中存在着四种互不等价的广义积分的定义,分析了各种定义方式的优缺点,指出了某些教材中存在的问题,通过对照比较,归纳出一种较好的定义方式供有关书籍编者参考.     

关于U-统计量的非一致性收敛速度

研究了高阶矩条件下,U-统计量的非一致性收敛速度,给出了一系列平行于独立和的理想结果.     

CONVERGENCE OF GRADIENT METHOD WITH MOMENTUM FOR BACK-PROPAGATION NEURAL NETWORKS

In this work, a gradient method with momentum for BP neural networks is considered. The momentum coefficient is chosen in an adaptive manner to accelerate and stabilize the learning procedure of the network weights. Corresponding convergence results are proved.     

Convergence of Solutions of Discrete Reflected Backward SDE＇s and Simulations

The objective of this paper is to introduce elementary discrete reflected backward equations and to give a simple method to discretize in time a （continuous） reflected backward equation. A presentation of numerical simulations is also described.     

集值映射空间上的■0特征1

应用k-网的概念证明了:若X,Y为■0空间且Y为局部紧的,则X到Y上满足条件(G)的点紧致的族连续集值映射族依紧开拓扑是■0空间.     

max-zero t-模复合意义下的模糊矩阵幂序列的收敛性

主要讨论模糊矩阵在max-zro t-模(以下简称为max-t0)复合意义下的收敛性。证明了模糊矩阵在，max-t0复合意义下只有有限收敛,无限收敛,有限振荡及无限振荡这四种情况。并主要以一种特殊且重要的zero t-模：lukasiewice t-模为例，研究了max-lukasiewiez t模(以下简称为max-lu)复合意叉下的模糊矩阵的收敛性。证明了在max-lu复合意义下．模糊矩阵要么有限收敛要么有限振荡。且比较了在max-lu复合意义下以及在，max-product复合意义下，模糊矩阵收敛性的相同之处与不同之处,并揭示其原因。