基于Gibbs-DA算法的贝叶斯分位回归模型研究

针对分位回归模型参数的不确定性风险问题,构建了基于Gibbs-DA抽样算法的贝叶斯线性分位回归分析模型.根据非对称Laplace分布的正态-指数分布的混合表示性质,利用数据扩展方法构建了潜变量,给出分位回归模型的似然函数,推断了多元正态先验分布条件下分位回归模型参数的后验分布,证明了潜变量的完全条件分布为广义逆高斯分布;结合Gibbs抽样和数据扩展方法,设计Gibbs-DA的仿真分析方案,并将其应用于我国能源消耗问题分析.研究结果表明:贝叶斯方法可以有效地应用于分位回归的建模以及我国能源消费弹性的分位问题研究.     

条件极值的充分条件与一类椭圆方程

通过分析无条件极值与条件极值的充分条件具有不同判别矩阵的原因,推导出条件极值充分条件的判别方法,得出其自变量增量间的关系式,得到了多维多约束状态下条件极值充分条件的一种更精确的判别矩阵,并举正反例说明判别驻点时可能出现的情况.有助于理解两种充分条件的关联及差别,提供了一种寻找更精确的条件极值充分条件的判别矩阵的方法.     

基于三重注意力机制的新冠肺炎病灶分割模型

为了解决感染区域比正常组织对比度低的问题,提出了一种基于三重注意力机制(triple attention mechanism,TAM)的新冠肺炎(corona virus disease 2019,COVID 19)病灶分割模型——TM-Net,并将其应用于条件生成对抗网络.MultiConv模块可以自动提取肺部切片中...     

二次型的条件正定与条件负定

给出了二次型在某种条件下正定。负定性判别定理及推论，从而掖了二次型的正定性。     

关于模糊集的范数

讨论了Ｆ集的几种范数的重要性质及其相互间的关系。     

建立渗透率解释模型的一种优化方法

为了更快捷、更有效地建立渗透率的测井解释模型，为油田开发生产服务，提出一种新的建模方法分位数回归法。该方法在再现数据间的内在联系和抑制离群数据的影响方面，与原始的渗透率解释模型相比有较大的优越性，在我国东部某油田沙三段储层评价中取得了较好的应用效果。     

贵州科技基础条件平台共享机制研究

科技基础条件平台是科技创新体系的重要组成部分,对密切产学研结合,提高科技创新能力具有十分重要的作用和意义. 科技基础条件平台建设的核心是共享,本文就贵州科技基础条件平台建设中共享机制问题进行了分析和研究.     

特殊图的条件染色

对于一个正整数r，图G的一个条件（k，r）-染色是使得图G的每个度至少为r的顶点至少与具有r种不同颜色的顶点相邻的正常的顶点染色．使图有一个条件（k，r）-染色的最小的整数k是图的第r个条件色数Z，（G），本文给出了对于不同的正整数，路、扇、轮的条件色数。     

数字电视条件接收系统发展的趋势

介绍了数字电视条件接收系统（CAS）的基本原理，分析了CAS技术的现状，提出“软硬分离，机卡分离”是数字电视CAS发展的必然趋势．     

Forecasting value‐at‐risk with a parsimonious portfolio spillover GARCH (PS‐GARCH) model

Accurate modelling of volatility (or risk) is important in finance, particularly as it relates to the modelling and forecasting of value‐at‐risk (VaR) thresholds. As financial applications typically deal with a portfolio of assets and risk, there are several multivariate GARCH models which specify the risk of one asset as depending on its own past as well as the past behaviour of other assets. Multivariate effects, whereby the risk of a given asset depends on the previous risk of any other asset, are termed spillover effects. In this paper we analyse the importance of considering spillover effects when forecasting financial volatility. The forecasting performance of the VARMA‐GARCH model of Ling and McAleer (2003), which includes spillover effects from all assets, the CCC model of Bollerslev (1990), which includes no spillovers, and a new Portfolio Spillover GARCH (PS‐GARCH) model, which accommodates aggregate spillovers parsimoniously and hence avoids the so‐called curse of dimensionality, are compared using a VaR example for a portfolio containing four international stock market indices. The empirical results suggest that spillover effects are statistically significant. However, the VaR threshold forecasts are generally found to be insensitive to the inclusion of spillover effects in any of the multivariate models considered. Copyright © 2008 John Wiley & Sons, Ltd.