具有衰减记忆的多维映射的逼近和系统识别

本文主要研究具有衰减记忆的多维映射的逼近，考虑了因果和非因果两种情形。在实际应用上，可以用来识别一类因果和非因果系统。     

单个函数平移和伸缩的叠加在L~p(R~d)中的逼近(英)

本文主要讨论单个函数平移和伸缩的线性组合对Lp（Rn）中任一紧集内函数的逼近．给出一个很强的逼近结果．这在神经网络应用研究中具有重要意义．     

神经网络中的逼近问题

本文主要讨论径向基神经网络对函数，连续泛函及连续算子的逼近．     

单个函数平移和伸缩的叠加在L^p（R^d）中的逼近

本文主要讨论单个函数平移和伸缩的线性组合对Ｌ＾ｐ（Ｒ＾ｎ）中一紧集内函数的逼近，给出一个很强的逼近结果，这在神经网络应用研究中具有重要意义。     

Lp( Rn)中的神经网络逼近和系统识别

本文主要研究函数的叠加对Lp(Rn)中的函数,Lp(Rn)上的非线性连续泛函及非线性连续算子的逼近.这些问题与Sigma-Pi型神经网络逼近能力有关.     

多元周期函数的一类逼近及逼近阶估计

本文讨论了多元周期函数的一类逼近,得到一个稠密性的充要条件并构造出适当的逼近函数,给出了逼近阶的精确估计．     

具有衰减记忆的多维映射的逼近和系统识别(英)

本文主要研究具有衰减记忆的多维映射的逼近，考虑了因果和非因果两种情形．在实际应用上，可以用来识别一类因果和非因果系统．     

与神经网络有关的逼近问题

本文来自神经网络表示能力问题的研究,主要讨论单个函数满足什么条件其所有伸缩和平稳的线组合在某类函数空间稠密。本文结果对于神经网络理论研究具有重要意义。     

Lp( Rn)中的神经网络逼近和系统识别

本文主要研究函数的叠加对Lp(Rn)中的函数, Lp(Rn)上的非线性连续泛函及非线性连续算子的逼近. 这些问题与Sigma-Pi 型神经网络逼近能力有关.     

W~m_2(R~n)中单个函数的平移和伸缩组合的稠密性

本文讨论单个函数的平移和伸缩的组合在Ｓｏｂｏｌｅｖ空间Ｗ２Ｍ（Ｒｎ）中稠密的问题,得到了稠密的一个充分必要条件,并对于Ｗ２ｍ（Ｒｎ）中紧集内的函数给出更强的逼近结果。