关于概率测度收敛的注记(英文)

本文给出并证明了概率测度收敛中不为人俗知的一个结果 .     

一类广义非线性混合拟变分包含组

本文引入了一类新的带松弛单调映射和松弛Lipschitz映射的广义非线性混合拟变分包含组 ,构造了求解该类变分包含组的迭代算法 ,证明了该类变分包含组解的存在性以及由本文构造的迭代算法产生的迭代序列的强收敛性 .所得结果推广和改进了大量文献中的最新结果[1 5 ] .     

分析非轴对称腔的复光线数值迭代法

将像散光束的复光线表示法用于分析非轴对称腔，并对有复杂像散的折迭腔作了数值迭代计算以说明方法的应用．     

基于项重写技术的机器发现逻辑

机器学习与机器发现的研究需要借鉴机器定理证明技术的成果和现代科学哲学的方法论.遵循这两个观点,本文扩展了基于项重写规则法的机器定理证明技术,使之能解决某些有关机器发现的问题.在此基础上给出了Lakatos 发现方法论的一个形式系统,并建立了实现Lakatos方法的算法.     

H-空间与拟向量变分不等式

本在Hausdorff locally convex H-空间上建立了一个新的不动点定理；利用局部交性质，在Hausdorff locally convex H-空间上建立了相应的拟向量变分不等式．     

变式乘除一口清的最佳易倍数应为2—6

在珠算乘除运算中，应用“一口清”变为加减运算。从算理算法上讲，必能减少拨珠次数，提高运算速度。但在实践上讲，学习和掌握它却是相当困难的。如被珠算研究者和珠算选手们视为魔数的“7”，它的进律多迭六位数码，这样在实际计算中就要看七位(有时还不止是七位)数码才能得出一位乘积。这就不但给人们学习和掌握这一方法造成了记忆的困难，     

R￣d中Hausdorff维数和packing维数的确定

本文目的在于建立确定Ｒ￣ｄ中Ｈａｕｓｄｏｒｆｆ维数ｄｉｍ和ｐａｃｋｉｎｇ维数Ｄｉｍ的两个命题（定理１和定理２），进而寻求Ｒ￣ｄ中Ｈａｕｓｄｏｒｆｆ维数ｄｉｍ与ｐａｃｋｉｎｇ维数Ｄｉｍ相等的条件；这使得我们能够引入分形测度的测度论定义。     

位置参数模型变点问题的非参数检验

本文引入Fisher-Yates提出的计分函数和Van der Waerden提出的计分函数,对只有一个变点的位置参数模型的假设检验问题分别给出了四个检验统计量.利用Monte-Carlo随机模拟的方法,求出了检验的渐近临界值,并且对本文提出的检验,以及Pettitt在文[1] 中提出的检验,Schechtman和Wolfe在文[2]中提出的检验的势进行了比较。     

二阶椭圆型微分方程解的振动定理

考虑二阶非线性椭圆型微分方程∑^n_{i,j}∂/∂x_i{A_{i,j}(x,y)∂/∂x_j}+q(x)f(y)=0 (E)，其中q(x)在外区域 Ω∈R\+n上变号. 利用偏Riccati变换和积分平均技巧, 建立了方程(E)所有解振动的充分准则.