一个仅在有限个点连续且可微的函数

本文构造了一个 n元实函数 f ( x1,… ,xn) ,这个函数定义在整个 n维空间 Rn。除了在任意指定的 m个点 P1,P2 ,… ,Pm 处连续且可微外 ,在其它点上皆不可微、皆不连续。不妨设 Pi 点的坐标为 ( ai1,… ,ain) ( i=1 ,… ,m)。定义 Rn上的实函数f ( x1,… ,xn) =D( x1,… ,xn) mi=1[ nj=1( xj-aij) 2 ]其中　D ( x1,… ,xn) =1　当 x1,… ,xn 全为有理数0　其它 ,则有如下命题命题 1 :f ( x1,… ,xn)仅在 P1,P2 ,… ,Pm 点连续。证明 :先证明 f ( x1,… ,xn)在 Pi 点连续。显然 f ( Pi) =0 ( i=1 ,… ,m)。当 P( x1,… ,xn)→ Pi 有 li…     

一致Banach空间中非扩张映象的弱收敛定理

设犈是一致凸Ｂａｎａｃｈ空间，满足Ｏｐｉａｌ条件或具有Ｆｒｅｃｈｅｔ可微范数，犆是犈的非空闭凸子集，且犜：犆→犆是非扩张映象．又设对任何初始数据狓１ ∈犆，序列｛狓狀｝由下列修改了的Ｉｓｈｉｋａｗａ迭代程序生成：狓狀＋１ ＝狋狀犜狀（狊狀犜狀狓狀＋ （１－狊狀）狓狀）＋ （１－狋狀）狓狀，　狀≥１， （Ｉ）其中，数列｛狋狀｝与｛狊狀｝满足下列条件（ｉ）和（ｉｉ）之一：（ｉ）狋狀∈ ［犪，犫］且狊狀∈ ［０，犫］；（ｉｉ）狋狀∈ ［犪，１］且狊狀∈ ［犪，犫］，这里，常数犪，犫满足０＜犪≤犫＜１．作者证明了，犜有不动点的充要条件是，｛狓狀｝ 弱收敛且｛‖狓狀－犜狓狀‖｝收敛到０．而且，由此即知，若犜有不动点，则｛狓狀｝弱收敛到犜的一个不动点．     

具连续时滞Liénard方程概周期解的存在唯一性

结合Liapunov泛函，研究了具连续时滞Lienard方程概周期解的存在唯一性和安全一致渐进稳定性。     

广义Sierpinski集

本文考察了包括平面上的各种广义 Cantor集 ,Sierpinski集和包括某些连续不可微曲线在内的广义 Sierpinski集 .由相似变换 ,导出了它们的级数表达式 ,并利用它和字符串空间的对应关系 ,计算出它们的Hausdorff维数     

凹整数规划的分枝定界解法

凹整数规划是一类重要的非线性整数规划问题，也是在经济和管理中有着广泛应用的最优化问题．本文主要研究用分枝定界方法求解凹整数规划问题，这一方法的基本思想是对目标函数进行线性下逼近，然后用乘子搜索法求解连续松弛问题．数值结果表明，用这种分枝定界方法求解凹整数规划是有效的．     

Structural Characteristics of Liquid Sn

We investigate the structural properties of liquid Sn. With the help of the internal friction (tanФ) method, it is found that a peak appears in the tan Ф - T curve, suggesting that an anomalous discontinuous temperatureinduced structure change may take place in liquid Sn. From the experimental data of pair distribution functions, we calculate the viscosity η and the excess entropy S and it is found that there are a peak of viscosity in the η-T curve and a bend of excess entropy in the S - T curve, which give a positive support to the appearance of the internal-friction peak in the tan Ф- T curve.     

SPME-GC-MS快速分析炼油厂废水中痕量VOCs

采用固相微萃取-气相色谱-质谱联用(SPME-GC-MS)对炼油厂废水中痕量挥发性有机化合物(VOCs)进行了定性分析,简化了预处理过程,总分析时间为1h左右.对比处理前后的废水样品的MS定性结果,为废水处理工艺的评价以及有机物降解机理提供了依据.     

Slutsky定理的一个推广

本文应用紧集上的连续函数是一致连续的性质，推广并证明了著名的Slutsky定理。     

带惩罚项与随机输入的BP神经网络在线梯度学习算法的收敛性

本文对三层BP神经网络中带有惩罚项的在线梯度学习算法的收敛性问题进行了研究,在网络训练每一轮开始执行之前,对训练样本随机进行重排,以使网络学习更容易跳出局部极小,文中给出了误差函数的单调性定理以及该算法的弱收敛和强收敛性定理。