基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

A neural network versus Black–Scholes: a comparison of pricing and hedging performances

An Erratum has been published for this article in Journal of Forecasting 22(6‐7) 2003, 551 The Black–Scholes formula is a well‐known model for pricing and hedging derivative securities. It relies, however, on several highly questionable assumptions. This paper examines whether a neural network (MLP) can be used to find a call option pricing formula better corresponding to market prices and the properties of the underlying asset than the Black–Scholes formula. The neural network method is applied to the out‐of‐sample pricing and delta‐hedging of daily Swedish stock index call options from 1997 to 1999. The relevance of a hedge‐analysis is stressed further in this paper. As benchmarks, the Black–Scholes model with historical and implied volatility estimates are used. Comparisons reveal that the neural network models outperform the benchmarks both in pricing and hedging performances. A moving block bootstrap is used to test the statistical significance of the results. Although the neural networks are superior, the results are sometimes insignificant at the 5% level. Copyright © 2003 John Wiley & Sons, Ltd.     

对西方数学直观的评析

本文从数学方法论的角度,具体论述和评析了西方数学直观随数学发展的不同阶段所表现出的特点和演变方式。     

基于符号定向图(SDG)深层知识模型的定性仿真

定性仿真是系统仿真技术中的重要研究和应用方向，同时也是人工智能技术的一个重要方面。近年来，随着现代计算机技术的日新月异，使得基于符号定向图(SDG)深层知识模型的定性仿真研究和应用取得了显著进展。SDG模型能够表达复杂的因果关系，具有包容大规模潜在信息的能力，因此特别适合于过程系统危险评价(PHA)、危险识别与故障诊断。SDG模型结构简单，易于建立和修改。然而高质量的SDG模型必须采用经验数据和定量动态仿真检验和校正。采用SDG模型进行定性仿真的关键技术是高效双向推理“引擎”，由计算机软件自动完成。目前，在计算机辅助过程系统危险评价方面，SDG是最有效的方法；在过程系统故障诊断方面，其完备性较好，但诊断分辨率尚待提高。今后的研究应解决：定性仿真和定量仿真相结合；SDG自动建模；通用推理软件平台；大系统高分辨率故障诊断等问题。     

导弹发射决策专家系统推理机研究与实现

介绍了一种基于灵活、通用的知识表达方法的推理机。它将面向对象方法和问题求解的黑板模型有机结合 ,自带各种控制信息和适宜的不确定性推理算法 ,将知识库分层和模块化 ,极大地提高了推理效率。推理机根据监控信息 ,推理计算出导弹允许发射的合格置信度 ,已应用于导弹发射决策专家系统设计中。     

具有自学习功能的电力负荷模糊推理预测

考虑到电力负荷预测问题中存在的不确定性,采用模糊推理预测方法进行负荷预测的研究。该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则,从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系,通过模糊推理得到了负荷预测结果。为了使模型能够象专家一样不断地总结新的经验并调整原有的经验,模型克服了其它模型中知识的凝固性,具有自学习功能。利用某些区的实际数据进行分析计算,得到了满足的结果。     

高校健身健美专家系统的设计和实现

为研究高校健身健美专家系统的设计和实现方法，探索有效的专家系统建造模型，采用．net编程技术，结合模糊技术、神经网络和面向对象等新技术的出现进行系统分析，构建了知识库及两套推理机，使用了自学习机制，提高了专家系统的运行效率。     

非线形模型方差的贝叶斯估计

 在均方误差的条件下,系统地研究了非线形模型方差的贝叶斯估计,提出了共轭和无先验信息的最佳贝叶斯估计和最佳无偏贝叶斯估计以及方差的最佳条件无偏贝叶斯估计.还提出了带有共轭和无先验信息的方差的极大后验估计,最后用一个简单的例子来说明上述结论的可行性.     

混合寿命模型下的贝叶斯密度估计(英)

基于一类异族分布的混合寿命模型, 给出了在一/二组样本下的I/II型截尾试验下的贝叶斯密度估计方法; 给出了实例; 并提出了一些问题和解决方法.