Modeling and Forecasting the Yield Curve by an Extended Nelson‐Siegel Class of Models: A Quantile Autoregression Approach

This paper compares the in‐sample fitting and the out‐of‐sample forecasting performances of four distinct Nelson–Siegel class models: Nelson–Siegel, Bliss, Svensson, and a five‐factor model we propose in order to enhance the fitting flexibility. The introduction of the fifth factor resulted in superior adjustment to the data. For the forecasting exercise the paper contrasts the performances of the term structure models in association with the following econometric methods: quantile autoregression evaluated at the median, VAR, AR, and a random walk. As a pattern, the quantile procedure delivered the best results for longer forecasting horizons. Copyright © 2011 John Wiley & Sons, Ltd.     

关于电偶极辐射的教学建议

本文对电动力学中电偶极辐射的教学进行了讨论,指出在矢势Ａ的处理中,时间因子始终都不应省略。     

The impact of parameter and model uncertainty on market risk predictions from GARCH‐type models

We study the effect of parameter and model uncertainty on the left‐tail of predictive densities and in particular on VaR forecasts. To this end, we evaluate the predictive performance of several GARCH‐type models estimated via Bayesian and maximum likelihood techniques. In addition to individual models, several combination methods are considered, such as Bayesian model averaging and (censored) optimal pooling for linear, log or beta linear pools. Daily returns for a set of stock market indexes are predicted over about 13 years from the early 2000s. We find that Bayesian predictive densities improve the VaR backtest at the 1% risk level for single models and for linear and log pools. We also find that the robust VaR backtest exhibited by linear and log pools is better than the backtest of single models at the 5% risk level. Finally, the equally weighted linear pool of Bayesian predictives tends to be the best VaR forecaster in a set of 42 forecasting techniques.     

数控机床力-几何误差的PSO-SVM建模

为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差. 根据粒子群优化算法(particle swarm optimization,PSO)优化支持向量机(support vector machine, SVM)的相应参数,并以实际测量数据进行训练,从而建立
了PSO-SVM力-几何误差预测模型. 实际试验表明,PSO-SVM误差预测模型输出的偏摆角误差预测值与实测数据的最大差值仅为0.6 μrad,俯仰角误差预测值与实测数据的最大差值仅为0.21 μrad,远小于利用BP神经网络以及常规方法优化的SVM所建立的力-几何误差预测模型的误差,因此该模型可用于数控机床几何误差的高精度实时补偿.     

基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法．该方法构造了滚动时间窗，利用滚动时间窗内的数据优化建模．模型随着时间窗的滚动进行在线更新，并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息．将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模．进行轻柴油凝固点的预估．结果表明，该建模方法十分有效．     

飞机噪声特性数据的方向谱集成及支持向量机预测

针对飞机声源理论模型和NPD数据的不足,给出了一种基于频谱轨迹同步测试数据回归飞机噪声辐射规律的方法。该方法将飞机的噪声声场看成是以飞机质点为中心,距离R为半径的飞机噪声频谱球面,获取飞机噪声源数据的过程就是回归球面上各点方向谱的过程。剖析了飞机噪声特性数据的方向谱集成原理,给出了测试数据的几何关系计算及频谱重建方法,建立了飞机噪声方向谱的支持向量机回归模型,实现了飞机噪声声源数据的连续预测,为全面了解飞机噪声辐射规律,开展飞机噪声环境影响评价及噪声污染防治提供了科学直观的数据基础。     

预测性菱形搜索在视频编码中的应用

根据预测性运动矢量和菱形搜索的思想 ,提出了一种基于预测性运动矢量快速块匹配的视频编码新方法。这种编码方法在运动估计的过程中引入了预测性运动矢量的概念 ,利用预测性菱形搜索 (PDS)计算出稳定且平滑的运动矢量场 ,充分利用了相邻块运动矢量的相关性。仿真结果表明 ,该方法应用到视频编码中能够得到比其他几种常用的快速块匹配法更好的效果。     

A Study of Evaluation System of Restricting Factors in Training Students‘ Qualities

This paper studies evaluation system of restricting factors in training students' qualities by modern mathematical method of analysis hierarchy process and principal factor analysis, and to build up a mathematical model of evaluation system.     

基于敏捷性导弹逆动态的神经网络控制方法与仿真研究

给出了一种基于敏捷性导弹逆动态的神经网络控制方案。该方案由两个神经网络组成：第一个神经网络（NNI）用来离线的学习整个飞行包线内导弹动态特性的逆特性，以实现系统的线性化；由于敏捷性导弹在大迎角状态下具有高度的非线性特性和气动参数突变等未建模动态，因此引入第二个神经网络（NN2）来在线的补偿NNI的逆误差。在线学习的权值调整由Lyapunov理论得出，保证了闭环系统的稳定性。该控制方案对参数变化及未建模动态等具有良好的鲁棒性。将其应用于敏捷性导弹的控制中，数字仿真结果表明该控制方案有效。     

基于三阶累积量奇异值分解的雷达目标识别

基于一维距离像三阶累积量矩阵的奇异值分解 ,由非零奇异值构成奇异值矢量作为正则子空间法的输入 ,提出一种雷达目标一维距离像识别方法 ,对目标进行分类识别。该方法一方面利用三阶累积量提高了抗噪性能 ,同时又使用非零奇异值矢量减少了存储量与运算量。仿真实验结果表明 :在低信噪比 ,该方法的识别率高于特征子空间法