Bellman最优性原理——论动态规划(Ⅰ)

对于Bellman最优性原理,本文举出实例表明:(1)策略不一定有(合理的)子策略;(2)子策略不一定存在最优子策略;(3)最优策略不一定有最优子策略;(4)用最短路与反证法来论述最优性原理的正确性,不能肯定成立;(5)Bellman最优性原理与其递推公式并不等价。 讨论四类最优策略之后,给出最优性原理与递推公式等价的一个充分性定理。     

用于光学神经网络硬件系统误差纠正的虚拟神经网络

提出了一种用于修正光学神经网络硬件系统误差的虚拟神经网络模型，光学实验结果表明该网络能够有效地消除硬件系统误差对实验结果的影响。     

优化路问题的代数方法—论动态规划（Ⅱ）

本文用同一思路求解多阶段有向图中三种优化路问题:最优路、N阶最优路及多指标Pareto优化路问题,它们都服从嘉量原理,都用同一个代数公式表达它们的嘉量,并可在同一种表格中进行计算,只是所在半域不同,以本文的方法讨论动态规划中一些离散决定型典型应用问题,其提法、建模思路以及求解过程都有可观的扩大与改善。     

Cn空间中有界域上光滑函数新的Leray公式

利用作者所给出的Cⁿ空间中积分表示的一种新技巧,相应在Cⁿ空间中有界域上对光滑函数建立了一种有别于著名的Leray公式的新的含有向量函数W 的抽象公式,这个新的公式去掉了原有Leray公式中含有参数λ的项,特别可使有关区域上-方程解的一致估计很简单, 而且由这个新的Leray公式, 适当选择其中的向量函数W ,可相应得到Cⁿ空间中许多区域上光滑函数的种种有别于已有公式的新公式.     

人工智能,神经网络与光学

从发展智能计算机的战略出发，介绍了人工神经网络的研究背景和发展简史，扼要说明了神经元的基本运算功能以及人工神经网络的构造和类型。从可学习性，大规模并行性以及联想和容错能力等方面，通过已有研究成果的实例，分析了人工神经网络作为一种新型智能信息处理系统所具有的主要特点。并从硬件实现的角度，阐明了人工神经网络与光学或光子技术的密切关系。     

Carleson测度与Bloch的刻画

在文中，对于C^n中有界强拟凸域。我们得到Carleson测度，消没Carleson测度的刻画。利用Carleson测度，我们还得到Bloch，小Bloch的刻画。     

关于Lipschitz域上反射Brown运动的游程

本文具体刻画有界 Lipschitz 域上的反射 Brown 运动跨过某给定时刻 t 的离开 Martin 边界的游程．在此基础上,给出 Lipschitz 域上的反射 Brown 运动的边界过程的 L(?)vy 系统．     

关于艾森斯坦因判别法的间接应用

探讨了间接应用艾森斯坦因判别法判断整系数多项式在有理数域上不可约的两种途径.     

模糊神经网络在复合地基沉降量预测中的应用

复合地基后期沉降变形对于建筑物设计及安全具有重要意义,针对通过长期沉降观测以得到复合地基的最终沉降需要耗费较多资源的问题,提出了一种基于模糊神经网络的预测方法.该方法考虑沉降变化过程有较大的随机性和模糊性,直接将样本数据进行模糊化,所得的模糊数代表了样本点集与控制点集中各分量之间的相关度,并依此建立模糊BP神经网络进行学习和估算.实验结果表明了该方法对沉降进行预测是可行与有效的,且在相对误差的有效控制方面优于BP网络方法与灰色方法.     

L-型域上Toeplitz算子代数的广群结构

讨论L-型域上Toeplitz C^*-代数C^*(Ω)所对应广群G的拓扑结构.用Euclid空间加法闭子群的分类方法对G的单位空间M_∞的拓扑结构进行了详细刻画。