渐近周期函数的Tauberian定理及其在抽象Cauchy问题中的应用

周期函数的有界原函数是周期函数,而渐近周期函数的有界原函数未必是渐近周期函数.该文引入了缓慢周期函数的概念,并证明了渐近周期函数的有界原函数是缓慢周期函数.有趣的是,缓慢周期函数恰好是一类特殊的S-渐近周期函数,而S-渐近周期函数早在15年前就被引入且近年来被广泛研究.在此基础上,建立了渐近周期函数的Tauberian定理及两个相关Tauberian定理.此外,将所得Tauberian定理应用到非齐次抽象Cauchy问题,得到了Cauchy问题的解具有S-渐近周期性的谱集判定定理.该文建立的渐近周期函数的Tauberian定理和抽象Cauchy问题的谱集判定定理的结论虽然比渐近周期性略弱,但彻底去掉了文献[23]中的遍历性假设.最后,构造了一个具体的Cauchy问题作为例子.值得一提地是,该Cauchy问题的非齐次项是渐近周期函数,但它的解却不是渐近周期的而是S-渐近周期的.这说明了S-渐近周期函数是一些微分方程解的“自然”函数类.

分数阶时滞Cohen-Grossberg型BAM神经网络S-渐近ω-周期解

主要研究分数阶时滞Cohen-Grossberg型BAM神经网络的有界性和周期性问题.利用分数阶微积分性质,借助于微分中值定理和Ascoli-Arzela定理,给出了判定系统解的有界性,S-渐近ω-周期和全局渐近ω-周期解的充分条件.最后通过数值模拟例子验证所得到理论结果的有效性.

一类半线性积分微分方程的S-渐近ω-周期解

研究一类半线性积分微分方程的S-渐近ω-周期温和解的存在性.通过利用S-渐近ω-周期函数性质结合不动点定理和强连续预解算子建立一些S-渐近ω-周期温和解存在的充分条件.

分数阶神经网络的s-渐近ω-周期解

文章讨论分数阶神经网络s-渐近ω-周期解的存在唯一性问题,其中分数阶阶数α∈(0,1).运用Mit?tag-Leffler函数给出解的表达形式,并得到有关Mittag-Leffler函数性质的重要引理.利用该引理和Banach压缩映射原理,给出分数阶神经网络s-渐近ω-周期解的存在唯一性证明.