LNQD样本最近邻密度估计的相合性

本文在LNQD样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。     

END样本最近邻密度估计的相合性

在END样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究失效函数估计的一致强相合性.     

从公理语义看UNITY模型和GAMMA模型的关系

ＧＡＭＭＡ和ＵＮＩＴＹ都是面向问题描述的程序设计语言．ＵＮＩＴＹ开发了一种公理语义规范语言，即ＵＮＩＴＹ逻辑，描述和推导程序的特性．这一规范语言也可以很自然地移植到ＧＡＭＭＡ模型上去．基于上述语义规范，给出一个将ＵＮＩＴＹ程序变换成ＧＡＭＭＡ程序的保语义等价性的程序变换方法，从而证明了ＧＡＭＭＡ模型的描述能力强于ＵＮＩＴＹ模型     

相依样本非参数回归模型误差的相合估计

给出了回归函数基于核估计的密度估计的强相合性及一致相合性。     

ND样本最近邻密度估计的相合性

利用ND序列的Bernstein不等式, 研究ND样本最近邻密度估计的相合性, 给出了弱相合性、 强相合性的充分条件, 所得结果将最近邻密度估计的相合性推广到ND样本.     

线性小波密度估计Ｌ１—模相合性

用小波方法对未知密度f(x)进行估计,并在某些假定下建立了一种估计量的Ｌ１－模型强相合性,以及在某些限制下,弱相合与强相合的等价性,顺便也给出Ｌ１－相合的一个必要条件。     

线性小波密度估计L1-模相合性

用小波方法对未知密度f(x)进行估计 ,并在某些假定下建立了一种估计量的L1-模强相合性 ,以及在某些限制下 ,弱相合与强相合的等价性 .顺便也给出L1-相合的一个必要条件 .     

关于非参数回归函数估计的集中不等式

本文利用L^1-传输不等式给出一般的非参数回归函数估计的某种集中不等式。并由此不等式在特殊的情形下给出了这种估计量的强相合性和弱相合性。     

关于随机截断下半参数回归模型中的相合估计的一点注记

文[1]研究了随机截断下半参数回归模型中的相合估计,但其强相合性的证明有些问题。本文给出了其强相合性的新的证明。     

LAN经NAN与ATM网的间接互连

研究了ＬＡＮ经ＭＡＮ与ＡＴＭ网的间接互连，包括其互连的协议栈和ＩＷＵ的协议功能；然后，描述了ＬＡＮ经ＭＡＮ通过ＡＴＭ网互连的演进过程；最后，给出了以太网与ＡＴＭ实验模型网ＤＱＤＢ ＭＡＮ互连的实例。     

LAN经MAN与ATM网的间接互连

研究了ＬＡＮ经ＭＡＮ与ＡＴＭ网的间接互连，包括其互连的协议栈和ＩＷＵ的协议功能；然后，描述了ＬＡＮ经ＭＡＮ通过ＡＴＭ网互连的演进过程；最后，给出了以太网与ＡＴＭ实验模型网ＤＱＤＢＭＡＮ互连的实例。     

迭代方程f^N（x）=N—1／∑／n=0Anf^n（x）的单调连续解

讨论多项迭代方程ｆ＾Ｎ（ｘ）＝Ｎ－１／∑／ｎ＝０Ａｎｆ＾ｎ（ｘ）的单调连续解的存在性，作者给出了这种解的一种可行的构造方法。     

ASN·1编码／解码器的设计和实现

简单介绍ＡＳＮ·１的编码规则：描述了基于控制卡设计技术的ＡＳＮ·１编码／解码器的结构和原理;给出了ＡＳＮ·１编码控制卡的一个实例。对了解计算机网络实现技术有一定参考价值。     

可估函数岭估计的一个结果

在不要求Sn的逆存在的情形下,给出了可估函数岭估计的弱相合性与均方相合性等价的条件。     

结构FORTRAN语言及其实现

本文讨论结构ＦＯＲＴＲＡＮ语言的特点并给出ＴＱ—１６机结构 ＦＯＲＴＲＡＮ语言的实现方法。     

复正定矩阵的标准性及判定

研究复正定矩阵的性质，提出了矩阵的第二特征多项式和第二特征值的新概念，得到复正定矩阵的＊相合标准形的存在性和唯一性定理；给出由第二特征值计算复正定矩阵＊相合标准形的方法；给出由第二特征多项式判定复正定矩阵的＊相合的方法；给出由低阶矩阵的正定性判定高阶矩阵正定的方法。     

指数族非线性模型ML估计的渐近性质

在指数族非线性模型中，给出了相合估计存在的必要条件，并指出λｍｉｎ（Ｊｎ（β））趋于正无穷作为主要条件的必要性。同时，给出了指数族非线性模型ＭＬ估计相合性成立的一般条件。最后，在相对简单的正则条件下，证明了随机回归变量条件下ＭＬ估计的相合性和渐近正态性。     

NA列的密度估计的相合性和中心极限定理

该文给出了NA序列的密度核估计的均方相合性和强相合性,并对强平稳NA序列,在一定的条件下,得到了NA序列的密度核估计的中心极限定理.     

UAN及其在用户接口设计中的应用

本文引入了一套用户行为标注系统ＵＡＮ（ＵＳＥＲＡＣＴＩＯＮＮＯＴＩＯＮ）给出了用户接口中设计模型，并在此基础上，讨论了ＵＡＮ在交互式设计中的应用。     

m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。