广义严格对角占优矩阵的判定及其在神经网络系统中的应用

利用非零元素链理论以及方法,给出了判定广义严格对角占优矩阵的几个充分条件,拓广了广义严格对角占优矩阵的判定方法,并给出其在神经网络系统中的应用,结果表明该法不仅有效而且简单实用.     

非奇异H-矩阵的实用新判据

利用对角占优矩阵的概念以及非零元素链理论,给出了判定非奇异H-矩阵的几个新的充分条件,从而推广了非奇异H-矩阵的判别方法.     

非奇异H-矩阵的新判据

运用α-链对角占优矩阵的理论及Holder不等式的放缩技巧, 得到非奇异H-矩阵的几个新判据, 推广并改进了已有的对H-矩阵的判定方法, 并用数值算例说明了所给判定方法的有效性和优越性.     

α-对角占优矩阵的等价表征及应用

先利用不等式理论给出严格α-对角占优矩阵的充要条件,再根据严格α-对角占优矩阵的性质证明得出非奇异H-矩阵的简单实用判定方法,并通过数值算例验证了结果的有效性和优越性.     

局部α-双对角占优矩阵及其应用

利用局部α-双对角占优矩阵的概念, 得到广义严格对角占优矩阵的一些新的充分条件, 推广并改进了对广义严格对角占优矩阵的判定方法.     

非奇异H-矩阵的一组新判定

根据α-对角占优矩阵理论, 运用不等式的放缩技巧, 得到非奇异H-矩阵的几个新判定条件, 推广并改进了已有的对H 矩阵的判定方法, 并用数值算例说明了所给判定方法的优越性.     

B值m相依随机元序列的完全收敛性

设{Xn;n≥1}是均值为零的B值m相依随机元序列,X1∈CL(B),对于1≤t<2,r>1有E‖X1‖rt< ∞,记Sn=∑ni=1Xi.利用构造法证明了{Xn;n≥1}的完全收敛性.     

带有相依稀疏算子的一阶随机系数二项自回归模型

将ADCBAR(1)模型推广到随机系数情形,提出一种带有相依稀疏算子的一阶随机系数二项自回归模型RCADCBAR(1),用于刻画具有相依性及零堆积性质的有限范围内整数值时间序列数据.首先,推导该模型的一些统计性质;其次,用条件最大似然方法对模型中存在的未知参数进行估计,并讨论估计量的渐近性质;最后,将该模型应用到一组实际数据中,以说明该模型的适用性.     

关于"局部双α-对角占优矩阵"一文的注记

应用矩阵对角占优理论,通过数值例子分析,指出已有结论的错误,并对其加以修正,给出非奇异H-矩阵的充分条件.     

基于Eviews 与GS Copula 的金融市场相依性研究

为解决金融市场间波动的相依性问题, 对不同金融市场间高频数据极小值的相依性进行研究。在分析GS Copula 函数的模型方法和模型特点基础上, 研究了估计GS Copula 函数中参数的方法及正尾部相依性和负尾部相依性的模型, 并基于Eviews 软件和GS Copula 函数等理论对上证000001 指数和股指期货IF1112 指数5 min极小值的收益率序列数据的相依性进行了分析, 得出其收益率序列数据有很强的上尾部相依性。为在金融决策中降低风险提供了理论依据。