×

利用单调性和凸性约束对参数估计问题进行正则化。 (英语。法语摘要) Zbl 1384.65035号

摘要:在海洋科学中,通常假设亲本种群大小与后代之间存在功能关系。该功能称为股票招募功能(SRF)。确定SRF转化为使用过去和稀疏观测估计一组参数的优化问题,这些观测通常具有中等精度。该问题具有挑战性,因为文献中存在多个候选函数,并且由于数据稀疏性和不确定性,最佳函数的选择是非平凡的。本文将该问题描述为一个约束优化任务,并使用B样条基函数表示SRF所属的函数族。通过要求导出的函数既单调又凸,可以获得正则解。该方法对现有的计算挑战提出了两个主要贡献:=0.5 cm
\(\项目符号\)
它避免了先验选择函数形式的非平凡问题。
\(\项目符号\)
使用约束对问题进行正则化可以确保参数估计是真实的。
给出了数值例子来比较(ell_1)和(ell_2)范数解。

MSC公司:

65千5 数值数学规划方法
90C25型 凸面编程
10层62层 点估计
65立方厘米60 统计中的计算问题(MSC2010)

软件:

骗局
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Alarcon Aquino,V.等人。用于学习混沌时间序列的基于L1范数最小化的小波网络。《应用杂志》,2010年,第3卷,第03期。
[2] Beverton,R.J.H.和Holt,S.J.关于被剥削鱼类种群的动态。{it Springer}《鱼类与渔业》第11期,1993年。
[3] Box,G.E.P.等人,《时间序列分析:预测和控制》,John Wiley&Sons,第734卷,2011年。
[4] Bravingotn,M.V.和Stockes,T.K.和O'Brien,C.M.《可持续招聘:底线》,{海洋和淡水}{研究},美国科学与工业研究组织,2000年,第51卷,第5期,第465-475页。
[5] Burnham,K.P.和Anderson,D.R.在模型选择中理解AIC和BIC的多模型推理。《社会学》,2004年,第33卷,第2期,第261-304页。
[6] Cadigan,N.G.在R中拟合一个非参数存量再计算模型,该模型有助于推导MSY参考点并解释模型不确定性,2013年,{国际海洋科学委员会海洋科学杂志},牛津大学出版社,第70卷,第1期,第56-67页。
[7] Charles,A.T.《渔业中的不确定性:分析方法、管理优先事项和加拿大渔民的经验》。{渔业研究},1998年,第37卷第1期,第37-50页。
[8] Chen,D.G.鱼类补充预测中的偏差和偏差修正。{北美渔业管理杂志},2004年,第24卷,第2期,第724-730.96页ESAIM:程序和调查
[9] De Valpine,P.和Hastings,A.拟合包含过程噪声和观测误差的总体模型。{生态}{专题论文},2002年,第72卷,第1期,第57-76页。
[10] Deriso,R.B.年龄结构模型的收获策略和参数估计。加拿大渔业杂志,1980年,第37卷,第2期,第268页。
[11] Dodge,Y.基于L1形式的统计数据分析简介。{计算统计与数据分析},1987年,第5卷,第4期,第239-253页。
[12] Dodge,Y(编辑)。基于L}1范数和相关方法的统计数据分析。斯普林格,2002年·Zbl 1005.00042号
[13] Draper,N.R.、Smith,H.和Pownell,E.应用回归分析。纽约:Wiley,1966年。
[14] Dudley,R.M.《真实分析与概率》。第74卷。剑桥大学出版社,2002年·Zbl 1023.60001号
[15] Garcia,S.M.《渔业预防方法及其对渔业研究、技术和管理的影响:最新综述》,{粮农组织渔业技术文件},1996年,350。
[16] Glashoff,K.和Gustafson,S.˚A。线性优化和逼近:半无限程序的理论分析和数值处理导论。Springer-Verlag,1983·Zbl 0526.90058号
[17] Graybill,F.A.线性模型的理论和应用。Wadsworth和Brooks/Cole。1976. ·Zbl 0371.62093号
[18] Hammond,T.R.和O'Brien,C.M.贝叶斯方法在股票评估模型不确定性中的应用。《海洋科学杂志》,2001年,第58卷,第3期,第648-656页。
[19] Hilborn,R.从Ricker的种群补充曲线简化计算最佳产卵种群规模。《加拿大渔业和水产科学杂志》,1985年,第42卷,第11期,第1833-1834页。
[20] Hilborn,R.等人,《定量渔业资源评估:选择、动态和不确定性》。鱼类生物学评论和渔业评论,1992年,第2卷,第2期,第177-178页。
[21] Jeffrey,D.J.等人。符号、分段和相关函数的集成。1997年国际符号和代数计算研讨会论文集。ACM,1997年,第324-330页·Zbl 0916.65016号
[22] Liu,W.等人。扩展重建海面温度版本4(ERSST.v4):第二部分。参数和结构不确定性估计,{气候杂志},2015年,第28卷,第3期,第931-951页。
[23] Ludwig,D.和Walters,C.J.股票和招聘参数估计中的测量误差和不确定性。{加拿大}{渔业和水产科学杂志},1981年,第38卷,第6期,第711-720页。
[24] Ludwig,D.和Walters,C.J.参数估计不精确的最优收获。{生态建模},1982,14。Jg.、。,编号3,S.273-292。
[25] Patterson,K.R.使用贝叶斯-马尔可夫链蒙特卡罗虚拟种群分析和自适应拒绝抽样(包括结构不确定性)评估捕获控制律中的不确定性。加拿大渔业杂志,1999年,第56卷,第2期,第208-221页。
[26] Patterson,K.等人。鱼类资源评估和预测中的不确定性估计。{鱼类和渔业},2001年,第2卷,第2期,第125-157页。
[27] Payne,M.R.等人,《变化环境中的招募:2000年北海鲱鱼招募失败》。《海洋科学杂志》,2009年,第66卷,第2期,第272-277页。
[28] Pya,N.《带形状约束的加法模型》,博士论文,2010年,英国巴斯大学。
[29] 皮亚,N.{it Package–诈骗@http://CRAN.R-project.org/}, 2013.
[30] Quinn II,T.J.和Deriso,R.B.《鱼类数量动态》,《生物资源管理丛书》第十五卷,牛津大学出版社:美国纽约,1999年,542页。
[31] Ricker,W.E.《鱼类种群生物统计的计算和解释》,渔业和海洋部,第191卷,第382页。1987
[32] 罗斯柴尔德,B.J.鱼类种群和招募:过去三十年。{it ICES海洋科学杂志},2000年,第57卷,第2期,第191-201页。
[33] Schnute,J.T.和Richards,L.J.使用和滥用渔业模型。{加拿大渔业和水产科学杂志},2001年,第58卷,第1期,第10-17页。
[34] Schumaker,L.L.样条函数:基本理论。1981.{约翰·威利父子公司},纽约·Zbl 0449.41004号
[35] Wahba,G.在广义样条平滑问题中选择平滑参数的GCV和GML的比较,《统计学年鉴》,JSTOR,1985,第13卷,第4期,第1378-1402页·Zbl 0596.65004号
[36] Wang,Y.和Liu,Q.Akaike信息准则(AIC)和贝叶斯信息准则(BIC)在股票招募关系选择中的比较。《渔业研究》,2006年,第77卷,第2卷,第220-225页。
[37] Wright,S.和Nocedal,J.数值优化。斯普林格科学35(1999):67-68·Zbl 0930.65067号
[38] Zhou,S.区分替代股票招募模型和评估模型结构中的不确定性。{渔业}{研究},2007年,第86卷,第2期,第268-279页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。