非线性再生散度模型的几何结构及其渐近推断

本文基于唐年胜等(1999)对非线性再生散度模型在欧氏空间建立的微分几何结构导出了与估计有关的随机展开以及与统计曲率有关的若干渐近推断,推广了韦博成等人关于非线性回归模型和指数族非线性模型的相应结果.     

非线性再生散度模型的几何结构及其渐近推断

本文基于唐年胜等（1999）对非线性再生散度模型在欧氏空间建立的微分几何结构导出了与估计有关的随机展开以及与统计曲率有关的若干渐近推断，推广了韦博成等人关于非线性回归模型和指数族非线性模型的相应结果。     

非线性映射在有界区域内零点数目的若干结果

本文利用连续同伦方法讨论非线性映射在有界区域内零点的存在性和零点数目,以及推广若干经典定理。     

一类n阶非线性常微分方程周期解的存在性

本文通过应用拓扑度的方法,获得了一类n阶非线性常微分方程2π周期解 存在性的若干结论.     

非线性映射在有界区域的零点数目的若干结果

本文利用连续同伦方法讨论非线性映射在有界区域内零点的存在性和零点数目，以及推广若干经典定理。     

非线性退化时滞系统的周期解

本文利用不动点方法研究两类非线性退化时滞系统的周期解问题,获得了这两类 系统存在周期解的若干充分条件。     

非线性时变离散系统的渐近稳定性

本文利用文[1]中的Gauss-Seidel迭代方法来研究非线性时变离散系统的渐近稳定性,得到了渐近稳定性的若干代数判据,为离散系统稳定性的研究提供了一种新的方法。     

指数族半参数非线性模型的统计诊断和影响分析

本文研究了指数族半参数非线性模型的统计诊断和影响分析方法,得到了一系列识别异常点和强影响点的诊断统计量．数值例子验证了本文给出的诊断方法的有效性．     

非线性灰色离散系统零解的稳定性

本文用区间矩阵和Ｌｙａｐｕｎｏｖ第二方法讨论了具有非线性扰动项的灰色离散系统的稳定性，得到了若干稳定性的代数判据，这些结果将文（５）的主要结果由线性推广到了非线性，并给出了实现的例子。     

参数不确定非线性组合大系统的鲁棒稳定性及参数鲁棒域的估计

本文研究了参数不确定非线性组合大系统。首先利用现代微分几何理论将系统化为由线性子系统互联而成的组合大系统，然后给出了参数不确定非线性组合大系统鲁棒稳定性的若干判据。最后通过一个例子说明了本文的结论及参数鲁棒域的估计方法。     

完全近似法的推广及其应用*

本文提出完全近似法的一种推广形式:引用渐近线性化的概念,通过对坐标作包含因变量的非线性泛函的变换,把原有的非线性问题线性化,从而以首项渐近解和相应的坐标变换给出原问题的较高阶的近似解析解.对模型方程和若干弱非线性振动和波动问题的分析表明,本文提出的方法是简捷而有效的.     

非锥映射的不动点指数计算及其应用

本文应用锥理论获得了一类不是锥映射的非线性算子不动点指数计算的若干结果,并将所得结果应用于非线性椭圆型偏微分方程边值问题.     

一类非线性时滞系统的定性分析

本文通过Liapunov泛函方法和应用Razumikhin定理获得了一类非线性时滞系统的若干定理，并推广了一些已知的结论，应用获得的还解决了实际问题。     

非线性向量泛函微分方程解的振动比较定理

本文借助交换与不等式等方法将非线性向量泛函微分方程解的振动性与相应数量微分不等式是否存在正解作比较,得到若干振动比较定理并给出了具体应用.     

椭圆变分不等式离散问题的数值解法

本文对线性及非线性椭圆变分不等式的离散问题的数值解法作一简略的综述,并指出了各解法的若干优缺点及若干待研究的问题。     

回归模型中异方差或变离差检验问题综述

回归模型的异方差或变离差检验是统计诊断的重要课题。本文系统介绍了普通回归模型、广义回归模型和基于纵向数据的随机效应或自相关回归模型的异方差检验或变离差检验的研究概况和最新进展；同时介绍了作者关于非线性回归模型的相应工作，最后指出了若干有有待进一步研究的问题。     

一类平面非线性系统无闭轨的充分条件

本文建立了一类平面非线性系统无闭轨的若干充分条件．     

参数不确定非线性组合大系统的鲁棒稳定性及参数鲁棒域的估计(英)

本文研究了参数不确定非线性组合大系统．首先利用现代微分几何理论将系统化为由线性子系统互联而成的组合大系统，然后给出了参数不确定非线性组合大系统鲁棒稳定性的若干判据．最后通过一个例子说明了本文的结论及参数鲁棒域的估计方法．     

非线性抛物型方程计算方法 值此周毓麟先生九十寿辰之际, 谨以本文表达对他的崇高敬意和真诚祝福

本文简要回顾非线性抛物型方程差分方法若干研究工作, 包括周毓麟先生在该研究方向取得的部分研究成果, 并对近年来相关的部分研究进展进行综述, 展望拟开展的研究工作.     

神经元网络在SAS中的实现(Ⅰ)

大多数常见的人工神经元网络—多层感知器（ＭＬＰ），无非是非线性回归以及判别模型。其训练方法通常是适合大型并行机硬件实现的梯度下降算法。对于一般的计算环境，ＳＡＳ系统中若干优化算法远比神经元网络的并行算法更有效。本文解释神经元网络是什么，描述神经元网络与统计模型的关系，介绍神经元网络在ＳＡＳ中的实现。