一类求解约束非线性规划问题的神经网络模型(英文)

提出一类求解闭凸集上非线性规划问题的神经网络模型．理论分析和计算机模拟表明在适当的假设下所提出的神经网络模型大范围指数级收敛于非线性规划问题的解集．本文神经网络所采用的方法属于广义的最速下降法．甚至当规划问题是正定二次时，本文的模型也比己有的神经网络模型简单．

关于长度收缩的讨论

本文讨论并定量计算了长度收缩的相对性及洛仑兹变换与长度收缩的关系，解释了一种长度收缩的佯谬。

将不确定度引入大学物理实验教学中

本文探讨如何在大学物理实验教学中引入不确定度，并根据学生的实际，给出一套较为系统地学习不确定度评定的理论模式。

基于双向神经网络的聚类器

文章提出一种基于双向神经网络的不同粒度的聚类器，它具有算法简单、权系数无需计算和软件模拟效果好等优点，是一种较好的聚类算法.

极大等浓度点型二维COLLINS模型系统的固液相变

本文将Ｋａｗａｍｕｒａ和杜宜瑾等人的结果推广到二维三元系统，研究了极大等浓度点型的固液相变，所得相图与三维真实的合金相图相似。

基于约束区域的神经网络模型与LSSM

本文首先对饱和模式线性神经网络模型(LSSM)进行分析,指出其实际上是一种沿内部和边界面依次搜索局部极小值点进行存储的联想记忆模型,进而证明了基于约束区域的神经网络与LSSM具有相同的联想记忆特性,它由普通的常微分方程描述,更利于模拟和硬件实现,计算机模拟说明了结论的正确性。