基于指数模型的R = P(Y < X < Z)统计推断

文章讨论了接收器工作特性曲线（ROC）指标R = P(Y < X < Z)的统计推断问题,分别给出了R的不同点估计和区间估计,其中点估计包括最大似然估计和贝叶斯估计,区间估计包括正态近似区间估计、精确区间估计以及贝叶斯可信度置信区间估计。通过数值模拟,比较了上述估计方法的优劣,并且给出了选择不同估计方法的建议,数值模拟结果表明上述估计方法是可行的。     

有关概率P(X<Y<Z)的估计问题

给定随机变量X,Y,Z,针对它们之间可能出现的大小关系XYZ,研究该情形发生概率的估计问题,即有关P(XYZ)的估计.作了两方面工作:(1)当X,Y,Z分布已知时,推导出P(XYZ)的表达式,利用极大似然估计以及渐近分布的性质,得到P(XYZ)的极大似然估计和区间估计;(2)当X,Y,Z分布未知时,利用经验似然比以及非参数Wilks定理,得到P(XYZ)的极大经验似然估计和经验置信域.     

基于删失数据的Log-Gompertz回归模型的统计推断（英文）

Gompertz模型在人类学研究中被广泛使用.讨论了基于对数不换的Gompertz模型,即log-Gompertz模型.研究了参数的极大似然估计和渐近置信区间,并提供了利用Bootstrap方法寻找参数的置信区间.在不同参数、不同样本容量以及不同删失计划的情形下,给出相关数值模型结果用以评价所建立的回归模型.     

新的f(R)黑洞（英文）

f(R)引力是一个直接拓展广义相对论的修正引力理论,它的拉格朗日量是一个仅含曲率标量R的任意函数f(R).在F(r)=1+αr的条件下(F(r) ≡df(R(r))/dr和αr是一个对广义相对论小的修正量),导出了度规f(R)引力理论中场方程的精确球对称真空解.此外,考虑了这个黑洞背景时空中的标量场扰动.用六阶WKB(Wentzel-Kramers-Brillouin)方法,讨论了拟正则模和这个黑洞的参数之间的关系,得出这个黑洞是稳定的结论.     

含弹性参数指数模型中顺序统计量的随机比较（英文）

考虑两个具有不同形状和尺度的含弹性参数指数模型,分别从似然比序、反向失效率序和通常随机序对顺序统计量进行随机比较,将似然比序关系推广到反向比例失效率模型.     

INARS(p)模型的拟似然统计推断

用拟似然方法对p阶基于符号伯努利稀疏算子的整值时间序列模型参数进行估计,得出了参数修正的拟似然估计因子以及该估计因子的极限分布(可以用此极限分布对模型参数进行假设检验等统计分析),并通过数值模拟,将修正的拟似然估计与条件最小二乘估计进行了比较,结果表明,修正的拟似然估计在一定条件下明显优于条件最小二乘估计.     

MA(∞)误差下部分线性模型的经验似然统计推断

应用经验似然方法, 针对误差为不可观测无穷阶滑动平均过程的部分线性模型, 构造了回归参数的对数经验似然比检验统计量, 并证明了统计量在参数取真值时渐近地服从χ²分布, 构造了参数的置信区间. 模拟计算表明, 经验似然方法优于最小二乘方法.     

基于团块分析的人数统计（英文）

为了提高视频监控领域人数统计的准确性,提出一种基于团块分析的人数统计方法.首先通过光流算法获取前景团块的方向及能量强度信息,并结合团块大小等相关信息形成团块特征;然后针对人数统计提出一种新的目标跟踪算法;最后基于SVM对该团块特征进行训练分析,得到人数估计模型.实验结果表明,该方法正确率达到95%以上,能准确实现人数统计.     

N-GorensteinAC-投射(AC-内射)模型结构（英文）

给定任意环R和任意正整数n,我们在Mod(R)上构造了一个cofibrantly生成的模型结构,其中fibrant对象是Gorenstein AC-内射维数小于等于n的模类.类似的,在Mod(R)上存在一个cofibrantly生成的模型结构,其中cofibrant对象是Gorenstein AC-投射维数小于等于n的模类.     

广义Petersen图的控制数(n=3k)（英文）

如果VS中的每一个点都与S中的至少一个点相邻,我们称V的子集S是G=(V,E)的一个控制集.G的控制数是G的最小控制集的基数.许多类型图的控制数及其算法已经被研究,通常这些图都有某种树型结构.本文将确定广义Petersen图当n=3k时的控制数,且其控制数为[5n/9].     

基于循序-Ⅰ型删失数据的广义Pareto分布统计推断(英文)

研究了在循序-Ⅰ型删失数据情形下广义Pareto分布的统计推断问题,讨论了广义Pareto分布未知参数的最大似然估计(MLE).由于数据的缺失,采用EM方法来获得参数的MLE.基于遗失信息原则,给出了观测Fisher信息矩阵,进而给出未知参数的区间估计.通过数值模拟,讨论本文提出的方法.     

基于RDEU模型的风险度量（英文）

风险度量主要应用于人们面对未知风险的情况下,如何准确地量化风险从而做出损失最小化或收益最大化的决策.准确的风险度量可以极大地帮助投资者调整投资组合进而规避风险,以期实现最大化收益.为了准确地度量风险,学者根据风险资产服从的客观分布进行量化,但是这种方法的问题在于度量方法是基于人们怀疑的分布,而不同人对待风险资产的态度是不一样的,风险资产可能对某些人来说是无风险的,同时又太过冒险而不被其他人接受.为了将客观分布和主观感受更好的结合,在秩相依期望效用(rank dependent expected utility)模型的基础上提出一种主观的"赌博"(风险资产)风险度量:它既取决于赌博本身,也取决于决策者的态度.同时,这种度量方法适用于所有有界赌博,使得不同赌博的比较更加容易.     

Uub(Z = 112)和Hg(Z = 80)元素的原子结构和激发态性质

在全相对论理论框架下, 通过细致考虑电子关联效应和Breit相互作用, 计算了Uub(Z = 112)和Hg(Z = 80)原子的激发态结构、共振吸收振子强度及其一价和二价离子的基态. 通过与同族Hg元素的比较, 进一步分析了相对论效应和电子关联效应对Uub元素的价轨道性质、激发态结构及一价和二价离子的基态的影响, 并预言了Uub元素的两个可能被实验观测到的共振态的能级位置和吸收振子强度.     

应用MFT分析R2Fe17—xMx（R=Rr,Nd;x=0.2;M=Al,Ga）…

用两亚点阵ＭＦＴ分析了Ｒ２Ｆｅ１７－ｘＭｘ合金的饱和磁化强度与温度的关系。得到了分子场系数ｎＲＲ、ｎＲＦ和ｎＦＦ，计算出了居里温度，给出了分子场ＨＲ（Ｔ）、ＨＦｅ（Ｔ）与温度的关系曲线。计算结果表明，在Ｒ２Ｆｅ１７中用Ａｌ、Ｇａ替代部分Ｆｅ离子场系数ｎＦＦ明显增大，除Ｐｒ２Ｆｅ１７的ＨＲ（Ｔ）外，分子场强度在很大温度内显著增加。     

Uq（Sp（2n））-模同构R= οf^-οP中 的简化

给出了Uq（Sp（2n））-模同构R= οf^-οP中 的一个简化表达式 ′,即 ′=1×1＋∑ht（μ）≥2 μ≠τ（μ）（q^-1-q）Fμ ×Eτ（μ）＋∑ht（μ）≥1（-1）^ht（μ）（1 -q^-2）qμFμ×Eμ＋∑μ=τ（μ）^μ≥α1（q^-2-1）（1 ＋qμ）Fμ×Eμ.     

基于统计阈值的鲁棒性语音识别(英文)

近几十年来,语音识别系统已由实验室环境走向真实的世界中。在不同的环境噪声下,识别性能却仍不尽人意,尤其是在低信噪比的环境中。为解决在低信噪比情况下的低识别率的问题,以声学参数MFCC(Mel-frequency cepstrum coefficient)为基础,提出了一种基于统计阈值的倒谱均值方差归一化算法,该算法能进一步减小训练环境和测试环境的不匹配程度,从而提升了语音识别系统对环境噪声的鲁棒性。首先,对输入的语音提取MFCC声学参数,然后对提取的声学参数作均值方差归一化处理,最后采用统计阈值的方法抑制归一化后存在变异的特征。该算法能增加带噪语音特征和纯净语音特征的相似性;与MFCC为基线的系统相比,在低信噪比情况下,该算法的错误率最高下降约40%,同时该方法也优于其他的鲁棒性特征倒谱均值减和倒谱均值归一。     

基于CBAMs-BiLSTM模型的中国股市预测（英文）

卷积块注意力模块（CBAM）因其可以有效地提高深度学习模型的预测准确性从而在各种预测问题中显示了其优越性。然而,CBAM在股指预测问题中的有效性研究却十分有限。为了解决这个问题并提高股指的预测精度,本文提出了CBAMs-BiLSTM模型。它将多个CBAM与双向长短期记忆网络（BiLSTM）相结合。研究中,标准指标评价法（SME）和模型置信集检验（MCS）用于综合评价模型的优越性和稳健性。实验数据为具有代表性的中国股指数据集：上证综合指数和深证综合指数。数值结果表明,CBAMs-BiLSTM优于单独的BiLSTM。其中在MAE,RMSE和MAPE上分别平均降低了13.06%,13.39%和12.48%。这证实了CBAM可以有效地提高BiLSTM的预测精度。此外,通过与其他流行模型进行对比,并研究了改变数据集、预测方法和训练集的大小的影响。结果一致证实了CBAMs-BiLSTM在预测精度和投资回报方面的优越性和稳健性。     

基于神经网络模型偶的投入产出建模（英文）

基于投入产出中使用和投入两个方向的非线性关系，本文利用神经网络技术建立了一种新的投入产出模型，并讨论了该模型在投入系数综合预测中的应用。文中报导了神经网络模型偶的修正了的反传训练公式。最后，中国广东省的仿真例子表明了所给算法的有效性和该建模方法的特点     

非自治系统的指数稳定性（英文）

研究非自治系统小时滞鲁棒稳定性，给出了易于检验的充分条件。