一般AR(p)过程参数LS估计的收敛速度

对一般的自回归过程（ＡＲ（ｐ））ｙｎ＝β１ｙｎ－１＋…＋βｐｙｎ－ｐ＋εｎ，记（ｚ）＝１－β１ｚ－…－βｐｚｐ为其特征多项式，当该特征多项式在单位圆上无重根时，讨论了参数β＝（β１，…，βｐ）Ｔ的最小二乘估计βｎ的收敛速度，并给出了其收敛的重对数律．     

TOR,GAOR和GSAOR迭代法收敛准则

熟知,解线性方程组的TOR迭代法包括了Jacobi,Gauss-Seidel,SOR,AOR等迭代法.而GAOR和GSAOR迭代法则包括了GSOR,SSOR,SAOR,GSSOR和MSOR等迭代法。 本文给出了一些新的,易于检验的迭代法收敛准则,它能用来判别一类矩阵A之Jacobi矩阵B=I-D~(-1)A(或矩阵B=I-AD~(-1))的模B≥1,以及A为(行或列)弱对角占优矩阵     

广义复合隐迭代格式逼近非扩张映像公共不动点

提出并使用如下广义复合隐迭代格式逼近非扩张映像族{Ti}Ni=1公共不动点:{xn=αnxn-1 (1-αn)Tnyn,yn=rnxn snxn-1 tnTnxn wnTnxn-1,rn sn tn wn=1,{αn},{rn},{sn},{tn},{wn}∈[0,1],这里Tn=TnmodN.该文提出的广义复合隐迭代格式包含了目前多种迭代格式,因此,所得强弱收敛定理推广及发展了Mann,Ishikawa,XuandOri,等许多作者的结果.     

求解P0函数互补问题的一种微分方程方法

本针对P0函数互补问题，给出了一种微方程方法，并且证明了P0函数互补问题的解是微分方程系统的渐进稳定平衡点。在适当的假设条件下，证明了所给出的算法具有二次收敛速度。几个数值例子表明了该算法的有效性。     

Banach空间中极大单调算子的一个邻近点算法

设E是Banach空间,T∶E→2E*是极大单调算子,T-10≠ф.令x0∈E,yn=(J λnT)-1xn en,xn 1=J-1(αnJxn (1-αn)Jyn),n0,λn>0,αn∈[0,1],文章研究了{xn}收敛性.     

有限混合Gamma分布的拓扑稠密性证明

首先给出了有限混合Erlang分布在正实数轴上所有概率分布中稠密的理论证明,进而给出了混合Gamma分布具有稠密性的结论,说明有限混合Gamma分布具有广泛的适用性,可以用来刻画正实数轴上的任意随机变量.     

Frozen Landweber Iteration for Nonlinear Ill-Posed Problems

In this paper we propose a modification of the Landweber iteration termed frozen Landweberiteration for nonlinear ill-posed problems.A convergence analysis for this iteration is presented.The numericalperformance of this frozen Landweber iteration for a nonlinear Hammerstein integral equation is compared withthat of the Landweber iteration.We obtain a shorter running time of the frozen Landweber iteration based onthe same convergence accuracy.     

关于超松弛迭代法收敛的一个判别准则

本文将[1]中给出的判别Gauss-Seidel迭代的一个收敛性准则推广到一般的超松弛迭代法。     

Iterative solutions for low lying excited states of a class of SchrSdinger equation

The convergent iterative procedure for solving the groundstate Schr?dinger equation is extended to derive the excitation energy and the wavefunction of the low-lying excited states. The method is applied to the one-dimensional quartic potential problem. The results show that the iterative solution converges rapidly when the coupling g is not too small.