一类带陡峭位势和凹凸非线性项的分数阶Schrödinger-Poisson系统的变号解
本文研究如下一类带陡峭位势和凹凸非线性项分数阶的Schrödinger-Poisson系统
\begin{equation}
\begin{cases}
(-\Delta)^s u+V_{\lambda} (x)u+\phi u=f(x)|u|^{q-2}u+|u|^{p-2}u, & ~\mathrm{in}~~\mathbb{R}^3, \\
(-\Delta)^t \phi=u^2, & ~\mathrm{in}~~\mathbb{R}^3,
\end{cases}
\nonumber
\end{equation}其中$s\in(\frac{3}{4},1), t\in(0,1)$, $q\in(1,2)$, $p\in(4,2_s^*)$, $2_s^*:=\frac{6}{3-2s}$ 是三维空间中的分数阶临界指数, $V_{\lambda}(x)$ = $\lambda V(x)+1 \ (\lambda>0)$. 在陡峭位势下, 利用约束变分法和形变引理, 我们证明以上系统变号解的存在性, 同时证明基态变号解能量严格大于基态解能量的两倍. 我们的结果改进了近期相关文献中的结果.
具有 L2 超临界增长的p-Laplacian Schrödinger-Poisson方程的正规化解
本文研究如下具有$L^{2}$质量的~$p$-Laplacian Schrödinger-Poisson 方程
$$-\Delta_p u+|u|^{p-2}u+\lambda u+ \left(\frac{1}{4\pi|x|}*|u|^2\right)u=|u|^{q-2} u,\and x \in \mathbb{R}^3,$$
其中 $2 \leq p<3$, $\frac{5 p}{3}<q<p^{*}=\frac{3p}{3-p}$, $\lambda>0$ 是拉格朗日乘子. 我们利用变分法和山路引理找到该问题在规定质量上对应泛函的临界点, 从而得到方程有一个正规化解 .
反周期边值条件下具有非局部势的三阶微分算子的正反问题
带有不定奇性的二阶非线性微分方程的周期正解
本文给出带有不定奇性的微分方程
$$
x''(t)+a(t)x(t)=\frac{h(t)}{x^\rho(t)}+g(t)x^\delta(t)+e(t)
$$
的周期正解存在的充分条件. 其中,~$\rho$~和~$ \delta$~为两个正常数且~$0<\delta\leq 1$,~$h,e\in L^1(\mathbb{R}/T\mathbb{Z}),$
~$g\in L^1(\mathbb{R}/T\mathbb{Z})$~为正函数.
我们的证明基于不动点定理( ~Schauder~不动点定理和~Krasnoselski$\breve{\mbox{i}}$-Guo~不动点定理)以及相关~Green~函数的正性.
一类边界条件含有特征参数的Sturm-Liouville问题的格林函数
ℤn的Nil-clean图的一些拓扑指数
本文对于难以建立精确数学模型的耦合混沌系统, 基于机器学习方法提出一个完全数据驱动的预测框架, 研究在系统方程未知情况下耦合混沌系统的滞后同步现象, 利用系统在未同步状态下的时间序列数据训练LSTM神经网络, 进而预测滞后同步转迁. 在实验中, 特别关注时变时滞耦合Lorenz系统, 分别研究其耦合系数和时滞对滞后同步的影响. 结果表明, 经过适当训练的机器学习模型能够有效地预测滞后同步的发生及其转变过程. 该研究不仅拓展了对复杂网络同步行为的理解, 还展示了机器学习在探索非线性动态系统中的潜力和应用价值.