导读:本文包含了强收敛性论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:收敛性,微分方程,序列,方法,变量,条件,迭代。
强收敛性论文文献综述
岳超[1]（2019）在《随机微分方程高阶分裂步(θ_1,θ_2,θ_3)方法的强收敛性》一文中研究指出本文首先提出一类高阶分裂步(θ_1,θ_2,θ_3)方法求解由非交换噪声驱动的非自治随机微分方程.其次在漂移项系数满足多项式增长和单边Lipschitz条件下,证明了当1/2≤θ_2≤1时该方法是1阶强收敛的.此类方法包含很多经典的方法:如随机θ-Milstein方法,向后分裂步Milstein方法等.最后数值实验验证了所得结论.(本文来源于《计算数学》期刊2019年02期）
张奥楠[2]（2019）在《WOD随机变量的强收敛性及其应用》一文中研究指出概率极限理论作为概率论与数理统计的一个分支,自20世纪50年代被提出以来,经过几代概率统计学家的潜心研究,取得了丰硕的理论研究成果.从最初的中心极限定理到独立随机变量,再到相依序列、混合序列,这其中蕴含着概率统计学家的诸多心血.WOD随机变量序列作为相依序列的重要组成部分,包含了NA随机变量,以及NOD随机变量、END随机变量等,所以它是一类比较广泛的随机变量序列.关于WOD随机变量序列已有一些相关理论成果,本论文在已有结果的基础上,更进一步地研究了WOD随机变量的完全矩收敛性,并给出其在非参数模型中的应用.本文第一章介绍了概率极限理论的相关知识,WOD随机变量和完全矩收敛的基本概念、国内外关于WOD随机变量性质研究的现状,以及本文在研究相关性质时使用的基本引理和不等式,为下文的展开做铺垫.第二章借助于随机变量的截尾技术、矩不等式以及概率不等式,着重研究了WOD随机变量在控制系数gn=max{gL(n),gU(n)}的情形下的完全矩收敛性.第叁章主要研究了WOD随机变量阵列的q阶矩收敛性.第四章作为WOD随机变量性质的实际应用,以第叁章相关结果为研究基础,考虑在WOD随机误差下非参数估计量的完全相合性,并给出数值模拟。(本文来源于《安徽大学》期刊2019-05-01）
周慧,马慧,张继红[3]（2019）在《END相依序列加权和的强收敛性》一文中研究指出研究了END相依随机变量序列加权和的强收敛性,推广了关于独立随机变量情形时的相应结果.(本文来源于《甘肃高师学报》期刊2019年02期）
张维,王文强[4]（2019）在《随机微分方程改进的分裂步单支θ方法的强收敛性》一文中研究指出本文提出了一个改进的分裂步单支θ方法,在漂移项系数满足单边Lipschitz条件下,证明了当数值方法的参数θ满足1/2≤θ≤1时,该数值方法对于这类随机微分方程是强收敛的,并在现有文献的基础上将方法的收敛阶从1/2阶提高到1阶;当0≤θ≤1/2时,若漂移项系数进一步满足线性增长条件,该数值方法也是强收敛的,收敛阶为1阶.文末的数值试验验证了理论结果的正确性.(本文来源于《计算数学》期刊2019年01期）
王蓓,胡良剑[5]（2018）在《中立型随机时滞微分方程截断Euler-Maruyama方法的强收敛性》一文中研究指出为了研究具有高度非线性系数的中立型随机时滞微分方程数值方法的收敛性问题,在广义Khasminskii条件下,利用广义It公式、Gronwall引理和若干不等式证明了中立型随机时滞微分方程截断Euler-Maruyama数值解是Lq(q≥1)强收敛的.(本文来源于《纺织高校基础科学学报》期刊2018年04期）
赵世莲[6]（2019）在《Hilbert空间中求解分裂可行问题CQ算法的强收敛性》一文中研究指出在Hilbert空间中,为了研究分裂可行问题迭代算法的强收敛性,提出了一种新的CQ算法.首先利用CQ算法构造了一个改进的Halpern迭代序列;然后通过把分裂可行问题转化为算子不动点,在较弱的条件下,证明了该序列强收敛到分裂可行问题的一个解.推广了Wang和Xu的有关结果.(本文来源于《应用数学和力学》期刊2019年01期）
刘涌泉,饶永生[7]（2018）在《渐近半伪压缩映射合成隐迭代序列的强收敛性》一文中研究指出参照Banach压缩映照原理,合理引进了一涉及有限族渐近半伪压缩映射的具误差的合成隐迭代序列.在一致凸Banach空间中,研究该合成隐迭代序列的强收敛性,得到了具误差的合成隐迭代序列强收敛于有限族渐近半伪压缩的公共不动点的充要条件.(本文来源于《西南大学学报(自然科学版)》期刊2018年12期）
杨英钟,王宽程[8]（2018）在《AANA随机变量序列的强收敛性》一文中研究指出利用截尾方法,研究在矩条件下,AANA随机变量序列的强收敛性,由于AANA随机变量序列比NA随机变量序列要弱,故本文所得的结论对NA随机变量序列仍然成立。(本文来源于《贵阳学院学报(自然科学版)》期刊2018年04期）
黄翔,汪春华[9]（2018）在《NSD随机变量加权和的强收敛性及应用》一文中研究指出文章主要研究负超可加相依(negatively superadditive dependent,NSD)随机变量序列的强收敛性。利用NSD随机变量序列的Rosenthal型极大值不等式建立了NSD随机变量序列加权和的完全收敛性,并且在同样的条件下得到了较完全收敛性更强的完全矩收敛性的结果,所得结果推广并改进了负相协(negatively associated,NA)序列相应的结果。作为主要结果的应用,该文进一步得到了关于NSD随机变量加权和的强大数律并给出了数值模拟。(本文来源于《合肥工业大学学报(自然科学版)》期刊2018年11期）
汪勐航,裴文宸,张宇恒,应晗璐,王学军[10]（2018）在《m-NA随机变量部分和的若干强收敛性（英文）》一文中研究指出In this paper, by the three series theorem of m-negatively associated(m-NA,in short) random variables and the truncation method of random variables, we mainly investigated the strong convergence properties for partial sums of m-NA random variables.In addition, the Khintchine-Kolmogorov convergence theorem and Kolmogorov-type strong law of large numbers for m-NA random variables are also obtained. The results obtained in the paper generalize some corresponding ones for independent random variables and some dependent random variables.(本文来源于《数学季刊(英文版)》期刊2018年02期）
强收敛性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
概率极限理论作为概率论与数理统计的一个分支,自20世纪50年代被提出以来,经过几代概率统计学家的潜心研究,取得了丰硕的理论研究成果.从最初的中心极限定理到独立随机变量,再到相依序列、混合序列,这其中蕴含着概率统计学家的诸多心血.WOD随机变量序列作为相依序列的重要组成部分,包含了NA随机变量,以及NOD随机变量、END随机变量等,所以它是一类比较广泛的随机变量序列.关于WOD随机变量序列已有一些相关理论成果,本论文在已有结果的基础上,更进一步地研究了WOD随机变量的完全矩收敛性,并给出其在非参数模型中的应用.本文第一章介绍了概率极限理论的相关知识,WOD随机变量和完全矩收敛的基本概念、国内外关于WOD随机变量性质研究的现状,以及本文在研究相关性质时使用的基本引理和不等式,为下文的展开做铺垫.第二章借助于随机变量的截尾技术、矩不等式以及概率不等式,着重研究了WOD随机变量在控制系数gn=max{gL(n),gU(n)}的情形下的完全矩收敛性.第叁章主要研究了WOD随机变量阵列的q阶矩收敛性.第四章作为WOD随机变量性质的实际应用,以第叁章相关结果为研究基础,考虑在WOD随机误差下非参数估计量的完全相合性,并给出数值模拟。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
强收敛性论文参考文献
[1].岳超.随机微分方程高阶分裂步(θ_1,θ_2,θ_3)方法的强收敛性[J].计算数学.2019
[2].张奥楠.WOD随机变量的强收敛性及其应用[D].安徽大学.2019
[3].周慧,马慧,张继红.END相依序列加权和的强收敛性[J].甘肃高师学报.2019
[4].张维,王文强.随机微分方程改进的分裂步单支θ方法的强收敛性[J].计算数学.2019
[5].王蓓,胡良剑.中立型随机时滞微分方程截断Euler-Maruyama方法的强收敛性[J].纺织高校基础科学学报.2018
[6].赵世莲.Hilbert空间中求解分裂可行问题CQ算法的强收敛性[J].应用数学和力学.2019
[7].刘涌泉,饶永生.渐近半伪压缩映射合成隐迭代序列的强收敛性[J].西南大学学报(自然科学版).2018
[8].杨英钟,王宽程.AANA随机变量序列的强收敛性[J].贵阳学院学报(自然科学版).2018
[9].黄翔,汪春华.NSD随机变量加权和的强收敛性及应用[J].合肥工业大学学报(自然科学版).2018
[10].汪勐航,裴文宸,张宇恒,应晗璐,王学军.m-NA随机变量部分和的若干强收敛性（英文）[J].数学季刊(英文版).2018
论文知识图
