msc62中最近的zbMATH文章 https://zbmath.org/atom/cc/62 2022-06-24T15:10:38.853281Z 未知作者 韦克泽格 特邀社论:人口统计学中的统计建模 https://zbmath.org/1485.00017 2022-06-24T15:10:38.853281Z 本文内容:这一特别问题源于在雷恩举行的第31届统计建模国际研讨会上的一些非正式讨论,我们感谢对这一努力持积极态度的作者。 韩国统计学会成立50周年特刊 https://zbmath.org/1485.00021 2022-06-24T15:10:38.853281Z 本期特刊是为纪念韩国统计学会成立50周年而设。本期特刊由盖洛普韩国学术奖获奖者撰写的14篇受邀论文组成。 客座编辑:神经数据分析 https://zbmath.org/1485.00030 2022-06-24T15:10:38.853281Z 本文简介:本期特刊是第四届神经数据统计分析国际研讨会(SAND4)的产物。因此,沙专题讨论会旨在鼓励讨论和传播神经数据分析方法。在2008年第四次研讨会之后,公开发布了征集论文的呼吁,这期特刊就是最终结果。 大卫·布莱克威尔,1919-2010:数学和统计学的探索者 https://zbmath.org/1485.01045 2022-06-24T15:10:38.853281Z “比克尔,彼得J。” https://zbmath.org/authors/?q=ai:bickel.peter-约翰 (无摘要) 概率语用学解释了自然语言量化中的梯度和焦点 https://zbmath.org/1485.03075 2022-06-24T15:10:38.853281Z “范·蒂尔,鲍勃” https://zbmath.org/authors/?q=ai:van-铁线。鲍勃 “弗兰克,迈克尔” https://zbmath.org/authors/?q=ai:franke.michael “索尔兰,乌利” https://zbmath.org/authors/?q=ai:sauerland.uli 摘要:哲学和语言学中一个有影响力的观点将句子的意义等同于它的真实条件。但有人认为,这种有条件的真理观过于僵化,意义本身就是梯度的,围绕原型旋转。这些抽象的语义理论都不能直接预测语言使用的数量方面。因此,我们将概率语用模型作为连接语言意义和语言使用的连接函数,对这些语义理论进行了实证比较。我们考虑使用数量词(例如“一些”、“全部”),这是人类语言和思想的基础。来自大规模生产研究的数据表明,数量词是通过原型来理解的。基于这两种语言意义观,我们提出并比较了计算模型。这些模型还考虑了认知因素,如显著性和数量表征。统计模型和经验模型的比较表明,当语义由一个语用模块来补充时,真实条件模型和基于原型的模型一样能解释生产数据,而语用模块编码的是听者的接受概率推理。 勘误表:“随机二维立体复合体的拓扑结构” https://zbmath.org/1485.05165 2022-06-24T15:10:38.853281Z “卡勒,马修” https://zbmath.org/authors/?q=ai:kahle.matthew “帕奎特,埃利奥特” https://zbmath.org/authors/?q=ai:paquette.elliot “罗丹,爱丽卡” https://zbmath.org/authors/?q=ai:roldan.erika 文章的原始出版版本[作者,同上,9,论文编号e76,24 p.(2021;Zbl 1482.05310)]多次提及Erdős-Spencer定理。不幸的是,在文章的制作过程中出现了一个错误,在每一个提到Erdős的情况下,他的名字都被错误地写成Erdős。 图学习算法的统一生成模型:标签传播、图卷积和组合 https://zbmath.org/1485.05167 2022-06-24T15:10:38.853281Z “贾,俊腾” https://zbmath.org/authors/?q=ai:jia.junteng “本森,奥斯汀R” https://zbmath.org/authors/?q=ai:benson.austin-r 仿射子空间的Grassmannian https://zbmath.org/1485.14096 2022-06-24T15:10:38.853281Z “林,乐恒” https://zbmath.org/authors/?q=ai:lim.lek-横 “黄,肯思伟” https://zbmath.org/authors/?q=ai:sze-王伟。 “耶,克” https://zbmath.org/authors/?q=ai:ye.ke 本文在前人[SIAM J.Matrix Anal.Appl.40,No.2371--393(2019;Zbl 1419.14086)]的基础上,介绍和研究了\(k)维仿射子空间的Grassmannian \(\textrm{Graff}(k,n)])。一般元素的形式是\(\mathbb A+b\),其中\(\mathbb A\subset\mathbb R^n\)是\(k\)维向量空间,\(b\)是\(\mathbb R^n\)中的向量。作者从几个角度对\(\textrm{Graff}(k,n)\)作为代数、代数几何、微分几何或代数拓扑中的一个对象的可能描述进行了总结。每一种方法都导致了对它的各种对象的介绍和研究,如舒伯特簇和圈、同伦、同调和上同调、度量和测地线。他们指出“多元数据分析和机器学习中的常见问题自然是\(\textrm{Graff}(k,n)\)上的优化问题”。\只举一个例子,把\(\MathBBA+b\)与由\(MathBBA\)产生的\(\mathbb a\)和矢量\(b+e{UU{n+n+1}\)生成的\(\mathrm{Gr}(k+1,n+1)\))的矢量子空间,通过识别\(\MathBBA+b \)与由\(\MathBBA\ \)产生的\(\MathBBR ^{n+1}\)的矢量子空间\(\MathBBR ^{n+1}\)的矢量子空间\(b+e{e{n+1}\)其中\(e{n+1}=(0,0,0,0,0,(1)\)。另一方面,映射\(\tau:\textrm{Graff}(k,n)\to\textrm{Gr}(k,n)\)与向量空间\(\mathBBA\)关联,显示\(\textrm{Graff}(k,n)\)为\(\textrm{Gr}(k,n)\)上的普商丛。\在文章的最后一部分,作者介绍了三个概率密度的概念:均匀分布,朗之万(或冯米塞斯费舍尔)和朗之万高斯。评审人:埃米莉亚·梅泽蒂(的里雅斯特) 超完备3阶张量分解、盲反褶积和高斯混合模型 https://zbmath.org/1485.15032 2022-06-24T15:10:38.853281Z “陈浩林” https://zbmath.org/authors/?q=ai:chen.haolin “拉德马赫,路易斯” https://zbmath.org/authors/?q=ai:rademacher.luis-a 图拉普拉斯回归一致收敛的一个最大主参数 https://zbmath.org/1485.35137 2022-06-24T15:10:38.853281Z “特里洛斯,尼古拉斯·加西亚” https://zbmath.org/authors/?q=ai:trillos.nicolas-加西亚 “默里,瑞安W。” https://zbmath.org/authors/?q=ai:murray.ryan-w 非线性算子函数与非线性反问题的深度学习结构 https://zbmath.org/1485.35420 2022-06-24T15:10:38.853281Z “德胡普,马腾五世” https://zbmath.org/authors/?q=ai:de-呼啦圈。马尔滕-v “拉萨,马蒂” https://zbmath.org/authors/?q=ai:lassas.matti-j “王,克里斯托弗A。” https://zbmath.org/authors/?q=ai:wong.christopher-a 摘要:我们发展了一种特殊的神经网络结构的理论分析,称为\texdit{operator recurrent neural networks},用于逼近输入为线性算子的非线性函数。这类函数通常出现在反边值问题的求解算法中。传统的神经网络将输入数据视为向量,因此不能有效地捕捉与此类反问题中数据对应的线性算子的乘法结构。因此,我们引入了一个新的家族,它类似于一个标准的神经网络架构,但其中输入数据对向量的作用是乘法的。基于边界控制中出现的紧算子和波动方程边值反问题的分析,我们提出了网络中所选权矩阵的结构性和稀疏性。在描述了这种体系结构之后,我们研究了它的表示性质和近似性质。我们进一步证明,可以引入一个显式正则化,该正则化可以从上述反问题的数学分析中导出,并在一定程度上保证了推广性质。我们观察到权矩阵的稀疏性改善了泛化估计。最后,我们讨论了如何将算子递归网络看作是一种深度学习的模拟方法,可以将边界控制等确定性算法从边界测量值重建声波方程中的未知波速。 面向类的时间序列动力学重构技术 https://zbmath.org/1485.37069 2022-06-24T15:10:38.853281Z Bezruchko公司 https://zbmath.org/authors/?q=ai:bezruchko.boris-彼得罗维奇 “波诺马连科,V.I.” https://zbmath.org/authors/?q=ai:ponomarenko.vladimir-伊万诺维奇 “斯米尔诺夫,D.A.” https://zbmath.org/authors/?q=ai:smirnov.dmitry-a “Sysoev,I.V.” https://zbmath.org/authors/?q=ai:sysoev.ilya-维亚切斯拉沃维奇 普罗霍罗夫医学博士 https://zbmath.org/authors/?q=ai:prokhorov.mikhail-德米特里耶维奇 摘要:从时间序列重构动力系统是近三十年来非线性动力学和时间序列分析领域的一个重要研究课题。它的解决方案是完成预测、分类、诊断和许多其他任务的工具。通用的方法是相当有吸引力的,但是基于所研究系统的先验信息的更具体的技术在实践中往往是有利的。我们概述了我们团队的工作,这些“面向类”的技术是针对不同先验知识程度的实际情况开发的:完全已知的动力学方程结构,着重于处理隐藏变量,部分已知结构用于时滞系统和耦合相位振荡器。 单纯形和Vietoris-Rips复合物的同位分解 https://zbmath.org/1485.55007 2022-06-24T15:10:38.853281Z “查科尔斯基,沃伊切赫” https://zbmath.org/authors/?q=ai:chacholski.wojciech “金,阿尔文” https://zbmath.org/authors/?q=ai:jin.alvin “斯科拉米耶罗,玛蒂娜” https://zbmath.org/authors/?q=ai:scolamiero.martina “汤巴里,弗朗西丝卡” https://zbmath.org/authors/?q=ai:tombari.francesca 在计算拓扑和拓扑数据分析中,分解是必不可少的。组成部分和它们的结合是什么关系?引用该论文,“在什么情况下包含(K_X\cup K_Y\hookrightarrow K\)是弱等价的,还是同系物同构的,还是具有高度连通的同伦纤维等等?”。在[\texdit{M.Adamaszek}等人,LIPIcs--Leibniz Int.Proc.Inform.99,Article 3,15 p.(2018;Zbl 07236407);J.Appl.Comput.Topol.4,No.3,425--454(2020;Zbl 1455.55005)]中已经研究过的这类问题在这里得到了非常彻底的处理。单形集、小范畴、单形集与复形的同伦取三个稠密的部分,通过这三个稠密的部分,本文得到了充分的自包含性。然后,读者逐渐进入主题:添加一个、两个、几个顶点,每个顶点取一个部分。有两个部分专门介绍关键的分类工具:push out。然后,论文转向在团簇复合物和Vietoris Rips复合物部分的应用;后一个主题首先被处理为自反和对称的“距离”,然后在单独的部分中处理伪距离。一个简单但有意义的例子结束了论文。这篇论文的优势在于对案例的详细区分,每一个案例都能引出一个Hurewicz类型的定理。它在一般和特殊之间有着令人钦佩的平衡,是面向应用的数学的一个很好的例子,应用是发展理论的机会。评审人:马西莫·费里(博洛尼亚) 数据中的几何异常检测 https://zbmath.org/1485.55009 2022-06-24T15:10:38.853281Z “斯托尔兹,伯纳黛特J。” https://zbmath.org/authors/?q=ai:stolz.bernadette-j “坦纳,贾里德” https://zbmath.org/authors/?q=ai:tanner.jared-w “南达,维迪特” https://zbmath.org/authors/?q=ai:nanda.vidit 小结:对低维模型的追求,这种模型近似于高维数据,在物理、自然和社会科学中无处不在。大多数标准建模技术的主流范式假设数据集中在一个内部维度相对较小的未知流形附近。在这里,我们提出了一个系统的框架来检测界面和相关的异常数据,可能无法满足流形假设。通过计算每个数据点周围小区域的局部拓扑结构,我们可以将给定的数据集划分为不相交的类,每个类都可以用一个流形单独逼近。由于这些流形可能具有不同的内在维数,局部拓扑发现数据中的奇异区域,即使没有精确地从奇异点采样。我们通过识别环辛烷构象的24维空间中两个曲面的交集,以及通过定位沉浸在三维空间中的Henneberg极小曲面的所有自相交来展示这种方法。由于拓扑计算的局部性质,执行这种数据分层的算法负担很容易分布在多个处理器上。 概率论导论。第二卷。多元模型及其应用 https://zbmath.org/1485.60001 2022-06-24T15:10:38.853281Z “巴拉克里希南,纳拉亚纳斯瓦米” https://zbmath.org/authors/?q=ai:balakrishnan.narayanaswamy “库特拉斯,马科斯五世” https://zbmath.org/authors/?q=ai:koutras.markos-五 “康斯坦丁诺斯,波利蒂斯” https://zbmath.org/authors/?q=ai:konstantinos.politis 在《概率论:多元模型与应用》一书中,一组杰出的研究人员对多元分布和模型的概念、方法和结果进行了全面的探讨。在概率论的第二门课程中,材料基本上是独立的,只有一定的概率论和单变量分布的知识。这本教科书是作为概率导论:模型和应用的续集。每一章的开头都是对概率论的一些先驱的简要历史叙述,他们对这一领域做出了重大贡献。它继续描述和解释多元模型中的一个关键概念或方法,最后用两组练习集来测试理论的基本和高级理解。课程涵盖范围广泛,包括两个或多个随机变量的联合分布、两个或多个变量的独立性、变量的变换、协方差和相关性、最重要的多元分布的介绍、母函数和极限定理。此重要文本:\开始{itemize}\项目包括课堂测试问题和概率练习的解决方案\项目重点介绍了真实世界的练习,旨在明确提出的概念\item使用Mathematica软件来说明课文的计算机练习\项目特征应用程序代表世界各地的情况和过程\项目在每章末尾提供两种类型的自我评估练习,以便学生复习该章中的材料并监控他们的进度\结束{itemize}非常适合统计学、工程、商业、心理学、运筹学和数学专业的学生选修第二门概率课程,概率概论:对于任何需要使用多元分布来模拟与随机现象相关的不确定性的人来说,多元模型和应用也是必不可少的资源。第一卷见[Zbl 1410.60001]。 归纳概率 https://zbmath.org/1485.60004 2022-06-24T15:10:38.853281Z “白天,约翰·帕特里克” https://zbmath.org/authors/?q=ai:day.john-帕特里克 出版者描述:第一次出版于1961年,归纳概率是对概率的辩证分析,因为它发生在归纳法中。这本书阐明了归纳的各种形式,其有效性的标准,以及由此产生的概率。这项调查是由一个批判性的评价,关于归纳推理和逻辑之间的关系的各种论据的补充。这本书承诺,即使是不经意的哲学读者也能接触到它,但它将对哲学、数学和逻辑的学生产生特别的兴趣。 随机Tverberg定理及其在多类logistic回归、可分性和数据中心点中的应用 https://zbmath.org/1485.60014 2022-06-24T15:10:38.853281Z “德洛拉,上帝啊。” https://zbmath.org/authors/?q=ai:de-洛拉。上帝啊 “霍根,托马斯” https://zbmath.org/authors/?q=ai:hogan.thomas-a 考虑在\(\mathbb{R}^d\)中生成随机着色点集的两个不同模型,其中每个点取\(m\)颜色中的一个,并根据\(\mathbb{R}^d\)上的分布进行分布。在“均分”模型(数学{E}{m,n,D})中,每一种颜色都有n个点,它们都是根据(D)独立分布的。在“随机分配”模型(\mathcal{R}{m,k,D})中有\(k\)个点,它们都是根据\(D\)独立分布的,每个点的颜色都是从\(m\)可能性中独立和一致地选择的。如果一个单色点的所有点的凸壳都有一个非空的相互交集,则称该点集具有Tverberg性质。如果敌方删除了每种颜色的任何一个点,则该点集被称为具有容差的Tverberg属性(t\in\mathbb{N}\)。作者建立了具有Tverberg性质或公差Tverberg性质的概率界的定理。例如,如果\(D\)是一个连续的、中心对称的分布并且\(\varepsilon>0\),那么\(\mathcal{E}{m,f(m),D}\)如果\(f(m)\ge(1+\varepsilon)\log_2m\)是高概率的Tverberg,如果\(f(m)\le(1-\varepsilon)\log_2m\)不是高概率的Tverberg。关于动机,本文详细解释了作者摘要中的断言:“这些定理与多项式logistic回归中极大似然估计的存在性、数据的可分性以及数据云中心点的计算有关。”评审人:安德鲁·韦德(达勒姆) 概率分布的生成方法及概率分布的类:单变量情形 https://zbmath.org/1485.60015 2022-06-24T15:10:38.853281Z “德布里托,西塞罗·拉莫斯” https://zbmath.org/authors/?q=ai:de-布里托。西塞罗·拉莫斯 “雷戈,莱安德罗·查维斯” https://zbmath.org/authors/?q=ai:rego.leandro-查韦斯 “德奥利维拉,威尔逊·罗莎” https://zbmath.org/authors/?q=ai:de-奥利维拉。威尔逊·罗莎 “戈梅斯席尔瓦,弗兰克” https://zbmath.org/authors/?q=ai:gomes-席尔瓦。直率的 大数据是指数据的集合,其特点是数量、速度和多样性如此之大,以至于将其转化为可用价值需要使用特定的技术、静态、概率和分析方法。因此,可用于分析的数据量增长越来越快,需要新的概率分布来更好地描述所研究的每种现象或实验。该领域的文献描述了对称分布、非对称分布、离散分布和连续分布的几种推广和扩展。在这项工作中,作者提出了一种创建分布类和概率分布类的方法,该方法可以统一已有文献中描述的各种生成分布类的方法。该方法的思想是利用单调函数和累积分布函数从已知分布生成类。审核人:诺雷丁·戴利(Sétif) 扩展Weibull-Fréchet分布:性质、推论及其在医学和工程中的应用 https://zbmath.org/1485.60017 2022-06-24T15:10:38.853281Z “侯赛因,埃克拉米A。” https://zbmath.org/authors/?q=ai:hussein.ekramy-a “阿尔约哈尼,哈桑M。” https://zbmath.org/authors/?q=ai:aljohani.hassan-米 “阿菲,艾哈迈德·兹。” https://zbmath.org/authors/?q=ai:afify.ahmed-z 摘要:本文提出了一种灵活的Fréchet分布,称之为扩展Weibull Fréchet(EWFr)分布。它的失败率有下降的形状、增加的形状和倒置的浴缸形状。其密度函数可以是对称形状、非对称形状、反向J形和J形。探讨了EWFr分布的一些数学性质。EWFr参数估计采用了几种频率估计方法。通过详细的仿真研究了这些方法的性能。在此基础上,确定了基于局部和整体秩的EWFr参数估计方法。最后,利用医学和工程科学的两个实际数据集研究了EWFr分布的性能。EWFr分布比其他竞争的Fréchet分布提供了更好的拟合,如指数Fréchet、beta Fréchet、Lomax Fréchet和Kumaraswamy Marshall Olkin Fréchet。 解的渐近性态:随机NLP的一个应用 https://zbmath.org/1485.60019 2022-06-24T15:10:38.853281Z “苏尔,阿纳布” https://zbmath.org/authors/?q=ai:sur.arnab “伯奇,约翰·R。” https://zbmath.org/authors/?q=ai:birge.john-r 摘要:本文研究了一类含期望函数的随机非线性优化问题,当与随机变量相关的潜在概率分布被一系列随机概率测度弱逼近时,最优点与平稳点(KKT)的一致性。优化模型包含期望函数的约束,这些约束在文献中存在的最优性条件上直接应用前人的结果时没有捕捉到。本文首先研究了一般NLP问题的平稳点与凸和局部Lipschitz数据的一致性,然后将这些结果应用于随机NLP问题和随机minimax问题。此外,我们利用大偏差原理推导了这种近似的指数界。 多元正态逼近的新误差界及其在Wishart矩阵和四阶矩定理中的应用 https://zbmath.org/1485.60023 2022-06-24T15:10:38.853281Z “方,晓” https://zbmath.org/authors/?q=ai:fang.xiao|方。萧。1 小池,玉田 https://zbmath.org/authors/?q=ai:koike.yuta 摘要:我们通过交换对将Stein著名的Wasserstein界推广到多维情形。作为中间步骤,我们利用交换对的对称性来获得光滑测试函数的误差界。我们还得到了多维Wasserstein界在四阶矩下的连续形式。我们将主要结果应用于尺寸(n)和阶数(d)的Wishart矩阵的多元正态逼近,其中我们仅在矩假设下得到了最优收敛速度(sqrt{n^3/d}),并退化了(U\)-统计量和Poisson泛函,在这里我们加强了文献中关于Wasserstein距离的几个四阶矩界。 线性过程误差下基于LNQD序列的非参数回归模型小波估计的Berry-Essen界 https://zbmath.org/1485.60024 2022-06-24T15:10:38.853281Z “胡雪萍” https://zbmath.org/authors/?q=ai:hu.xueping “王,静雅” https://zbmath.org/authors/?q=ai:wang.jingya 摘要:利用线性负象限相关随机变量的一些不等式,在线性负象限相依序列的线性过程误差下,研究了非参数回归模型小波估计的Berry-Esseen界。给出了一致渐近正态性的速率,并且在温和条件下收敛速度接近于\(O(n^-\frac{1}{6})}),这在某种意义上推广或推广了相关随机样本下的结果[Stat.Probab.Lett.78,No.17,2947--2956(2008;Zbl 1148.62022)]。 局部相依随机变量调用函数正规逼近的非一致界 https://zbmath.org/1485.60025 2022-06-24T15:10:38.853281Z “宗普瑞查哈恩,苏伯恩” https://zbmath.org/authors/?q=ai:jongpreechaharn.suporn “尼玛尼,克里萨纳” https://zbmath.org/authors/?q=ai:neammanee.kritsana 给定一个零均值局部相关随机变量的和,作者在\(| E(W-k)^+-E(Z-k)^+| \)上建立了一个显式上界,其中\(Z\)是一个零均值高斯随机变量。与此设置中已有的其他结果不同,当前边界依赖于\(k\),而不是一个对所有\(k\)都有效的统一边界。在用Stein方法建立了这一结果后,作者最后以债务抵押债务损失为例进行了总结。评审人:弗雷泽·戴利(爱丁堡) 具有大小相关核的序列\(U\)-过程的函数收敛性 https://zbmath.org/1485.60037 2022-06-24T15:10:38.853281Z “德布勒,克里斯蒂安” https://zbmath.org/authors/?q=ai:dobler.christian “卡斯普尔扎克,米科·阿杰。” https://zbmath.org/authors/?q=ai:kasprzak.mikolaj-j “佩卡蒂,乔瓦尼” https://zbmath.org/authors/?q=ai:peccati.giovanni 摘要:我们考虑基于固定阶对称核的\(U\)-过程序列,这些核可能取决于样本大小。我们的主要贡献是推导了一组解析充分条件,在该充分条件下,上述的\(U\)-过程弱收敛到时变独立布朗运动的线性组合。考虑到潜在的对称结构,所涉及的时间变化和权重只明显地依赖于\(U \)统计量的次序,因而具有普遍性。检查这些充分条件要求计算的复杂度与计算四阶矩和累积量的复杂度大致相同。因此,当应用于退化情形时,我们的发现是在[\texdit{P.de Jong},J.Multivariate Anal.34,No.2,275--289(1990;Zbl 0709.60019)]和[\texdit{C.Döbler}和\textti{G.Peccati},Electron.J.Probab.22,论文2,35 P.(2017;Zbl 1357.60023)]中证明的中心极限定理(CLTs)的无限维扩展。作为我们分析的重要工具,我们利用了[\texdit{C.Döbler}和\texdit{G.Peccati},Electron.J.Probab.24,论文5号,43 p.(2019;Zbl 1442.60034)]中建立的多维中心极限定理,以及[\textti{R.Ibragimov}和\texdit{Sh.Sharakhmetov}关于简并\(U\)统计量绝对矩的上界,螺柱。科学。数学。挂。39,No.3--4,251--275(2002;Zbl 1064.60031)],并证明了一些独立有趣的退化对称统计的乘法公式——允许不同的样本大小。我们提供了随机几何图和一类二阶\(U\)-统计量的应用,其高斯涨落最近被[\texdit{J.M.Robins}等人,随机过程Appl.126,No.12,3733--3759(2016;Zbl 1348.62170)]与非参数模型中的二次估计有关。特别地,我们对随机图的应用产生了一类关于子图计数统计量的新的函数中心极限定理,扩展了以往文献中的发现。最后,建立了变点分析中与不变性原理的联系。 凸约束下高斯序列模型似然比检验的高维渐近性 https://zbmath.org/1485.60038 2022-06-24T15:10:38.853281Z “韩,祁阳” https://zbmath.org/authors/?q=ai:han.qiyang “森菩萨” https://zbmath.org/authors/?q=ai:sen.菩萨 “沈,炎帝” https://zbmath.org/authors/?q=ai:shen.yandi 摘要:在高斯序列模型\(Y=\mu+\xi\)中,我们研究了检验\({hU0}:\mu={\mu0})与\({hU1}:\mu\ In K\)的似然比检验(LRT),其中\({\mu}0}\ In K\),并且\(K\)是{\mathbb{R}^n}中的闭凸集。特别地,我们证明了在零假设下,对于一般对({\mu_0},K)\)的对数似然比统计量,在高维区域中,相关最小二乘估计量的估计误差在适当意义上发散。正态近似进一步导致了LRT在高维区域的功率行为的精确描述。这些特征表明轻轨的功率行为相对于欧几里德度量一般是非均匀的,并说明了现有的LRT的minimax最优性和次优性结果的保守性。文中给出了各种实例,包括正锥/圆锥试验、等渗回归、套索试验和参数假设与形状约束方案的比较,以证明所发展理论的通用性。 关于具有漂移的混合分数阶Ornstein-Uhlenbeck过程推论的注记 https://zbmath.org/1485.60044 2022-06-24T15:10:38.853281Z “蔡春豪” https://zbmath.org/authors/?q=ai:cai.chunhao “张敏” https://zbmath.org/authors/?q=ai:zhang.min.2|张。min.5 |张。张敏。min.6 |张。min.3 |张。min.7 |张。min.4 |张。最小值1 摘要:本文研究混合分数阶Ornstein-Uhlenbeck过程的控制漂移估计。我们将考虑两个模型:一个是最优输入,在该模型中,我们将找到使未知参数的Fisher信息最大化的控制函数,另一个是以常数作为控制函数的控制函数。利用拉普拉斯变换计算或Cameron Martin公式推导了最大似然估计量(MLE)的大样本渐近性质,该公式来自[\textti{P.Chigansky}和\texdit{M.Kleptsyna},Theory Probab.Appl.63,No.3,408--425(2019;Zbl 1411.62053)]。作为[loc.cit.]的补充,我们还将证明MLE是强一致的。 Dirichlet过程破棒表示的一个新证明 https://zbmath.org/1485.60050 2022-06-24T15:10:38.853281Z “李在勇” https://zbmath.org/authors/?q=ai:lee.jaeyong “马切恩,史蒂文N。” https://zbmath.org/authors/?q=ai:maceachern.steven-n 摘要:断棒表示是Dirichlet过程的基本性质之一。它将随机概率测度表示为一个离散的随机和,其权重和原子由独立的、同分布的beta变量序列构成,并从Dirichlet过程参数的归一化基测度中提取。它广泛应用于具有Dirichlet过程的统计模型的后验模拟。最初的证明{J.Sethuraman}[Stat.Sin.4,No.2,639--650(1994;Zbl 0823.62007)]依赖于一个间接分布方程,并不鼓励对属性的直观理解。在本文中,我们给出了Dirichlet过程的一个新的证明,它提供了对定理的直观理解。证明基于Dirichlet过程的后验分布和自相似性。 马尔科夫断棒先验知识的运用 https://zbmath.org/1485.60074 2022-06-24T15:10:38.853281Z “利比特,威廉” https://zbmath.org/authors/?q=ai:lippitt.william “塞图拉曼,桑德” https://zbmath.org/authors/?q=ai:sethuraman.sunder 摘要:最近介绍了一个“马尔科夫断棒”过程,它将Dirichlet过程((\mu,\theta)\)推广到离散基空间(\mathfrak{X})上。具体地说,来自``Markovian stick breaking''过程的样本形式可以用stick breaking form \(\sum{i\geq 1}P}i\ delta{T_i}\)表示,其中\({T_\})是一个平稳的、不可约的马尔可夫链\(\mathfrak{X}\)上具有平稳分布\(\mu\),与Dirichlet案例中的i.i.d.(\{T\\})不同,每个都以\(\mu\)的形式分布,而\({P\\})是GEM\(\theta)剩余分配序列。虽然先前的动机是将这些马尔科夫断棒过程与模拟退火链类型的经验分布极限联系起来,但这些过程也可以被看作是统计问题中的一类先验知识。这项工作的目的是确定后验分布,并探讨马尔科夫结构在某些推理测试案例中的作用。整个系列见[Zbl 07455846]。 贝耶斯规则!应用贝叶斯建模简介 https://zbmath.org/1485.62001 2022-06-24T15:10:38.853281Z “约翰逊,艾丽西亚A。” https://zbmath.org/authors/?q=ai:johnson.alicia-a “奥特,迈尔斯Q。” https://zbmath.org/authors/?q=ai:ott.miles-问 “多库,我的” https://zbmath.org/authors/?q=ai:dogucu.mine 出版商描述:一个迷人的,复杂的,有趣的贝叶斯统计领域的介绍,贝叶斯规则!:应用贝叶斯建模的介绍将现代贝叶斯思想、建模和计算的力量带给广大读者。特别是,这本书是一个理想的资源,为高级本科统计学生和从业人员具有可比的经验。贝耶斯规则!使读者能够将贝叶斯方法编织到他们的日常实践中。讨论和应用是数据驱动的。层次模型是从基本模型到多变量模型的自然发展过程,它强调了一个实用的、可概括的模型构建过程。对这些贝叶斯模型的评估反映了这样一个事实:数据分析并不存在于真空中。特征\开始{itemize}\项目利用数据驱动的例子和练习。\item强调迭代建模和评估过程。\项目调查一系列相互关联的多元回归和分类模型。\项目介绍了基本的马尔可夫链蒙特卡罗模拟。\item集成了R代码,包括RStan建模工具和bayesrules包。\该项目鼓励读者利用自己的直觉,在实践中学习。\项目提供了一个友好和包容性的技术贝叶斯概念介绍。\项目支持贝叶斯应用的基础贝叶斯理论。\结束{itemize} 可靠性数据的统计方法 https://zbmath.org/1485.62002 2022-06-24T15:10:38.853281Z “米克尔,威廉Q。” https://zbmath.org/authors/?q=ai:meeker.william-q-jun公司 “埃斯科巴,路易斯A。” https://zbmath.org/authors/?q=ai:escobar.luis-a “帕斯卡,弗朗西斯·G” https://zbmath.org/authors/?q=ai:pascual.francis-g 出版商说明:可靠性数据统计方法,第二版(SMRD2)是可靠性数据分析和可靠性试验计划中最广泛使用和最新开发的统计方法的基本指南。SMRD2由该领域的三位专家撰写,它更新和扩展了长期以来建立的统计技术,并展示了如何将强大的基于图形、数值和模拟的方法应用到可靠性的一系列应用中。SMRD2是一个综合资源,描述了解决产品可靠性和类似应用领域中出现的实际问题的最大似然和贝叶斯方法。SMRD2演示了具有大量应用程序的方法,所有数据集都可以在该书的网站上找到。此外,SMRD2包含大量的练习集,这些练习将增强其作为课程教科书的使用。SMRD2的网站包含有价值的资源,包括R包、Stan模型代码、演示幻灯片、技术说明、可靠性数据分析用商业软件的信息,以及本书示例和练习中使用的93个数据集的csv文件。统计方法在工程可靠性领域的重要性继续增长,SMRD2为可靠性数据的探索、建模和得出结论提供了更新的指南。SMRD2特点:\开始{itemize}\项目包含了大量关于可靠性数据分析的现代方法和技术的信息\项目讨论了各种贝叶斯推理方法的实际问题解决能力\item提供了使用Stan系统的R接口进行贝叶斯数据分析的例子,这些数据分析是基于本书网站上提供的Stan模型进行的\项目包括有用的技术问题和每章末尾的数据分析练习集\项目介绍了说明性的计算机图形,突出数据,分析结果,和技术概念\结束{itemize}为工业和学术界的工程师和统计学家编写的可靠性数据的统计方法,第二版提供了这个重要主题的权威指南。第一版见[Zbl 0949.62086]。 贝耶斯主义与科学推理 https://zbmath.org/1485.62003 2022-06-24T15:10:38.853281Z “舒伯巴赫,约拿N。” https://zbmath.org/authors/?q=ai:schupbach.jonah-n 出版商描述:这篇文章探索了科学推理的逻辑和认识论的贝叶斯方法。第一节介绍了概率演算作为经典逻辑在不确定性推理中的一个吸引人的推广。第2节探讨了贝叶斯认识论的一些广阔领域。托马斯·贝耶斯在其开创性著作中提出的三个认识论假设指导了这一探索。这一部分讨论了这些假设的现代发展和辩护,以及一些重要的批评和复杂的等待着贝叶斯认识论者。第3节将前两节的形式化工具和原则应用于科学推理认识论中的几个主题:确认、解释性推理、证据多样性和稳健性分析、假设竞争和奥卡姆剃刀。 模拟推理的前沿 https://zbmath.org/1485.62004 2022-06-24T15:10:38.853281Z “克兰默,凯尔” https://zbmath.org/authors/?q=ai:cranmer.kyle “布雷默,约翰” https://zbmath.org/authors/?q=ai:brehmer.johann “劳普,吉尔” https://zbmath.org/authors/?q=ai:louppe.gilles 摘要:许多科学领域都开发了复杂的模拟来描述感兴趣的现象。虽然这些模拟提供了高保真的模型,但它们不适合于推理,并导致具有挑战性的反问题。我们回顾了快速发展的基于模拟的推理领域,并确定了给该领域带来额外动力的力量。最后,我们描述了这个前沿领域是如何扩展的,以便广大读者能够理解这些发展对科学可能产生的深远影响。 分块样本空间的hamilton-Markov链montecarlo及其在Bayesian深神经网络中的应用 https://zbmath.org/1485.62005 2022-06-24T15:10:38.853281Z “金,明丘” https://zbmath.org/authors/?q=ai:kim.minchul “李在勇” https://zbmath.org/authors/?q=ai:lee.jaeyong 小结:在多个链上分配计算以减少MCMC中的采样时间对于使MCMC更适用于最先进的模型(如深度神经网络)至关重要。MCMC的并行化方案之一是对样本空间进行分区,以便在分区[\texdit{D.N.VanDerwerken}和\texdit{S.C.Schmidler},``Parallel Markov chain montecarlo',Preprint,\url{arXiv:1312.7479};\texdit{G.W.Basse}、\texdit{N.Pillai}和\texit{A.Smith},“`Parallel Markov chain montecarlo via spectral clustering'”,预印本,\url{arXiv:1605.09454}]。在这项工作中,我们采用Basse等人的桥抽样方法[loc.cit.],并在分区样本空间上应用约束哈密顿蒙特卡罗方法。我们提出了一个与约束HMC很好结合的随机维数划分方案。我们的经验表明,这种方法可以加快MCMC采样任何不规范的目标分布,如贝叶斯神经网络在高维设置。此外,在多模态的情况下,当选择适当的分割单元时,该算法可以更有效地混合MCMC链。 基于奇异值分解的递推量分析 https://zbmath.org/1485.62006 2022-06-24T15:10:38.853281Z “边,宋汉” https://zbmath.org/authors/?q=ai:bian.songhan “尚,彭建” https://zbmath.org/authors/?q=ai:shang.pengjian 摘要:在过去的三十年里,递归图(RP)已经成为许多不同科学领域的有力工具。为了量化RP的复杂性和结构,基于递归密度、对角线、垂直线和水平线的度量,提出了递归量化分析(RQA)。本文将研究基于奇异值分解的RP问题,这是RP研究的一个新视角。主奇异值比例(PSVP)是一种新的RQA测度,PSVP越大,系统的复杂度越高。相比之下,较小的PSVP反映了一个规则和稳定的系统。考虑到该方法在检测系统复杂度和周期性方面的优势,选择了多个仿真和实际数据实验来检验这种新RQA的性能。 论累积剩余外部性 https://zbmath.org/1485.62007 2022-06-24T15:10:38.853281Z “贾汉沙希,S.M.A.” https://zbmath.org/authors/?q=ai:jahanshahi.s-并购 “扎雷,H。” https://zbmath.org/authors/?q=ai:zarei.hayede|扎雷。哈桑·扎雷。哈米德·雷扎 “卡玛,A.H.” https://zbmath.org/authors/?q=ai:khammar.a-h 摘要:最近,由\texdit{F.Lad}等人提出了一种称为外部不确定性的替代测量方法。[Stat.Sci.30,No.1,40--58(2015;Zbl 1332.62027)]。外部性是熵的二重性,一直被研究者所考虑。本文介绍了随机变量不确定度的另一种度量方法,称之为累积残差外差。此度量基于累积分布函数\(F\)。研究了该测度的一些性质,如它的估计和应用。最后,给出了一些数值算例。 张氏损失函数下β-负二项模型概率参数的经验Bayes估计 https://zbmath.org/1485.62008 2022-06-24T15:10:38.853281Z “周,明琴” https://zbmath.org/authors/?q=ai:zhou.mingqin “张莹莹” https://zbmath.org/authors/?q=ai:zhang.yingying.3 “太阳,你” https://zbmath.org/authors/?q=ai:sun.ya “孙,吉” https://zbmath.org/authors/?q=ai:sun.ji “荣,腾中” https://zbmath.org/authors/?q=ai:rong.tengzhong “李,曼曼” https://zbmath.org/authors/?q=ai:li.manman 摘要:对于β-负二项模型的概率参数,我们推荐并解析地计算了张氏损失函数下的Bayes估计量,该估计量对总体高估和总低估量都是相等的。该估计量使后验期望张氏损失(PEZL)最小化。在平方误差损失函数下,我们还计算了常用的Bayes估计量。此外,我们得到了PEZLs在两个Bayes估计下的估计。然后,我们分别用矩量法和极大似然估计(MLE)方法给出了β-负二项模型超参数估计的两个定理。因此,利用这两个定理估计的超参数,得到了张氏损失函数下概率参数的经验Bayes估计。在数值模拟中,我们说明了三件事。首先,我们举例说明了Bayes估计量和PEZLs的两个不等式。其次,我们证明了矩估计量和极大似然估计量是超参数的一致估计量。第三,计算了β-负二项模型与模拟数据的拟合优度。最后,我们利用贝塔负二项式模型,考虑四个案例来拟合一个真实的保险理赔数据。 多零值有限总体估计的另一种方法 https://zbmath.org/1485.62009 2022-06-24T15:10:38.853281Z “帕纳贝哈格,巴迪亚” https://zbmath.org/authors/?q=ai:panahbehagh.bardia “布朗,詹妮弗” https://zbmath.org/authors/?q=ai:brown.jennifer-安妮 小结:在某些抽样情况下,当已知被估计的参数接近但不等于零时,调查可能导致估计值为零。例如,在已知物种存在但所有样本单元都未能检测到任何活动的稀有动植物。处理这个问题的一个方法是忽略这些零估计。在这里,我们提出了一个在已知相关参数不为零的情况下进行抽样的估计量。我们提出的非零估计器可以改善估计,而且比传统估计器更有效。 缺失数据情况下有效估计量的一般类 https://zbmath.org/1485.62010 2022-06-24T15:10:38.853281Z “辛格,G.N.” https://zbmath.org/authors/?q=ai:singh.garib-纳特 “乌斯曼,M。” https://zbmath.org/authors/?q=ai:usman.mahamood “卡通,B” https://zbmath.org/authors/?q=ai:khatoon.b 摘要:为了解决抽样调查中的缺失数据问题,缺失值的插补技术可以很好地减少在估计总体平均值时无反应的负面影响。社会经济数据产生了丰硕的成果,而对缺失观测值采用了插补方法。考虑到这一点,我们利用辅助变量的对偶(秩)在无响应的情况下,提出了三类新的差分比型插补方法和三种不同抽样策略下的相应估计量。在一阶近似下,得到了估计量的偏差和均方误差。对所提出的估计量与通常的平均插补法以及Lee等人、Kadilar和Cingi、Gira、Diana和Perri、Bhusan和Pandey、Bhusan和Pandey的著作进行了理论比较,这也是所提出估计量的特例,除了效率较低之外。结果是在一个实证研究中计算的,其中所提议的工作显示了对上述工作的有效性能。 在测量误差影响下用随机响应估计敏感变量的总体平均数 https://zbmath.org/1485.62011 2022-06-24T15:10:38.853281Z “提瓦里,库德普·库马尔” https://zbmath.org/authors/?q=ai:tiwari.kuldeep-库马尔 “布加尔,桑德普” https://zbmath.org/authors/?q=ai:bhougal.sandeep “库马尔,苏尼尔” https://zbmath.org/authors/?q=ai:kumar.sunil “更确切地说,伊斯兰哈立德” https://zbmath.org/authors/?q=ai:reater.khalid-伊斯兰教 小结:在调查抽样中,存在研究性状敏感的情况。由于角色的敏感性,练习者没有得到实际的反应。随机反应技术(RRT)模型是为了减少由于对敏感变量的回避反应而引起的偏差。测量误差(ME)在调查中经常出现,因此我们需要研究RRT模型。我们提出了一个估计量来预测在ME影响下敏感变量的总体平均数。研究了该估计量的性质,并与现有估计量进行了比较。最后,进行了仿真研究,用数值方法对结果进行了说明。 不可忽略缺失数据的非标准条件指定模型 https://zbmath.org/1485.62012 2022-06-24T15:10:38.853281Z “弗兰克斯,亚历山大M。” https://zbmath.org/authors/?q=ai:franks.alexander-米 “艾洛迪,爱德华多·M” https://zbmath.org/authors/?q=ai:airoldi.edoardo-米 “鲁宾,唐纳德B。” https://zbmath.org/authors/?q=ai:rubin.donald-b 摘要:数据分析通常依赖于关于丢失机制的假设,这些机制导致观察到的数据与丢失的数据,这些假设通常是不可评估的。我们探索了一种非标准方法来指定观测数据和缺失数据的联合分布。这个公式可以追溯到数据的联合分布和丢失机制的表示法,显然是由J.W.Tukey首先提出的,在这个公式中,关于分布的建模假设要么是可评估的,要么是设计成允许相对容易地纳入关于手头问题的实质性知识,从而提供了一个可能真实的数据描述,包括观察到的和丢失的。我们发展了指数族模型的Tukey表示,提出了一种计算上易于处理的推理方法,并给出了一些一般性的理论评论。然后我们用系统生物学中的一个例子来说明这种方法的效用。 关于Lévy分布的一些推论 https://zbmath.org/1485.62013 2022-06-24T15:10:38.853281Z “阿萨努拉,穆罕默德” https://zbmath.org/authors/?q=ai:ahsanullah.mohammad “涅佐罗夫,瓦莱里B” https://zbmath.org/authors/?q=ai:nevzorov.valerii-鲍里索维奇 摘要:Lévy分布是具有简单闭合形式的概率密度函数的三种分布之一。这种分布用于模拟股票价格。本文给出了这种分布的一些性质。从基本性质出发,给出了这种分布的一些特征。 α幂次Teissier分布及其应用 https://zbmath.org/1485.62014 2022-06-24T15:10:38.853281Z “埃赫韦里多,约瑟夫·托马斯” https://zbmath.org/authors/?q=ai:eghwerido.joseph-托马斯 (无摘要) 截尾广义斜椭圆随机向量的Stein引理 https://zbmath.org/1485.62015 2022-06-24T15:10:38.853281Z “左,白槐” https://zbmath.org/authors/?q=ai:zuo.baishua “阴,川村” https://zbmath.org/authors/?q=ai:yin.chuankun 摘要:受\texdit{T.Shushi}[Stat.Probab.Lett.137,297--303(2018;Zbl 1406.60024)]和\texdit{C.Adcock}等人的启发。[``Stein's lemma for generalized skew ellular random vectors',common.Stat.,Theory Methods 50,No.13,3014--3029(2021;\url{doi:10.1080/03610926.2019.1678642})],考虑截断广义斜椭圆随机向量的Stein引理。我们提供了两个Stein引理。一种是截断广义斜椭圆随机向量的Stein引理,另一种是截断广义斜椭圆随机向量Stein引理的特殊形式。最后,条件尾期望分配,概率水平下的条件尾期望(q),概率水平上的条件尾期望(q),王氏保费的截断版本,给出了多元尾条件期望和多元尾协方差矩阵作为应用。 基于串并联系统的渐进应力加速寿命试验和渐进式Ⅱ型截尾的新分布推断 https://zbmath.org/1485.62016 2022-06-24T15:10:38.853281Z “阿布沙尔,塔哈尼亚” https://zbmath.org/authors/?q=ai:abushal.tahani-a “阿卜杜勒·哈米德,阿拉·H。” https://zbmath.org/authors/?q=ai:abdel-哈米德。阿拉-h 摘要:当串并联系统元件的寿命服从有限的混合分布时,估计串并联系统的寿命分布对物理学家和工程技术人员来说是非常重要的。本文通过引入一种称为“Poisson几何Lomax分布”的新分布来解决这个问题。讨论了该分布的重要性质。当应力是一个随时间递增的非线性函数时,考虑应力递进模型,逆幂律模型给出了应力与拟分布尺度参数之间的关系。基于二项式去除的渐进式II型截尾,利用极大似然和Bayes方法讨论了包含参数的估计问题。以两个实际数据集为例,说明了该分布比其他已知分布的优越性。为了比较所实现的估计方法的性能,进行了仿真研究。最后,对本文的结论进行了总结,并对本文提出的分布特征和动机进行了分析。 几种常见概率律的矩估计与综合卡方检验 https://zbmath.org/1485.62017 2022-06-24T15:10:38.853281Z “啊,戈尔吉” https://zbmath.org/authors/?q=ai:gning.gorgui “娘,阿拉吉·巴卡尔” https://zbmath.org/authors/?q=ai:niang.aladji-巴巴卡尔 “恩哥,莫杜” https://zbmath.org/authors/?q=ai:ngom.modou “瞧,甘恩桑巴” https://zbmath.org/authors/?q=ai:lo.gane-桑巴 (无摘要) 完全随机设计的Cochran-Mantel-Haenszel检验 https://zbmath.org/1485.62018 2022-06-24T15:10:38.853281Z “雷纳,J.C.W.” https://zbmath.org/authors/?q=ai:rayner.john-查尔斯·威斯康星州 小结:当完全随机设计的数据是分类的而不是连续的时,尽管只有一个层次,但可以使用Cochran-Mantel-Haenszel测试套件。在介绍性设计课程中,这种设计和随机分组设计通常是最先介绍的设计。使用完全随机设计而不是随机分组设计忽略了块(层)并导致测试统计的表达式比通常的一般测试统计更简单。基于这里给出的模型,通常用于完全随机设计的Cochran-Mantel-Haenszel测试显示为Wald类型测试。 基于累积残差的参数Tobit模型诊断 https://zbmath.org/1485.62019 2022-06-24T15:10:38.853281Z “孙志华” https://zbmath.org/authors/?q=ai:sun.zhihua “郭,媛媛” https://zbmath.org/authors/?q=ai:guo.yuanyuan “谢,天发” https://zbmath.org/authors/?q=ai:xie.tianfa “王,妙妙” https://zbmath.org/authors/?q=ai:wang.miaomiao 摘要:本文研究了参数Tobit模型的充分性检验。构造了Cramér-von-Mises型检验统计量,并严格研究了它在零假设和替代假设下的渐近性质。该方法适用于具有标量或多元协变量的参数回归模型的充分性检验。同时避免了回归函数的非参数平滑和平滑参数的选择。通过仿真研究,比较了所提出的测试程序与文献中现有方法的性能。应用该方法对一个实际的收入数据集进行了分析。 普遍推理 https://zbmath.org/1485.62020 2022-06-24T15:10:38.853281Z “沃瑟曼,拉里” https://zbmath.org/authors/?q=ai:wasserman.larry-艾伦 “拉姆达斯,阿迪提亚” https://zbmath.org/authors/?q=ai:ramdas.aaditya-k “巴拉克里希南,西瓦拉曼” https://zbmath.org/authors/?q=ai:balakrishnan.sivaraman 摘要:我们提出了一种在没有正则性条件下构造具有有限样本保证的置信集和假设检验的一般方法。我们把这种程序称为“通用程序”该方法非常简单,是基于我们称之为“分离似然比检验”(split-LRT)统计量的一种改进版本。经典似然比统计量的(极限)零分布在不规则统计模型中用于检验复合零假设时常常是难以处理的。我们的方法特别适用于这些复杂设置中的统计推断。我们提出的方法适用于任何参数模型,也适用于一些非参数模型,只要在零条件下计算最大似然估计量是可行的。典型例子出现在混合建模和形状约束推理中,对于这些问题,构造测试和置信集是出了名的困难。我们还开发了我们基本方法的各种扩展。我们证明在计算极大似然估计困难的情况下,为了构造有效的检验和区间,最大似然上界是足够的。我们研究了在模型错误指定的情况下,我们的方法产生有效推论的一些条件。此外,分离轻轨可与剖面相似性一起使用,以处理干扰参数,也可按顺序运行,以产生任何有效的P值和置信序列。最后,与筛分法相结合,可用于嵌套模型类的模型选择。 部分线性EV模型响应变量缺失的异方差检验 https://zbmath.org/1485.62021 2022-06-24T15:10:38.853281Z “刘,凤” https://zbmath.org/authors/?q=ai:liu.feng.4|刘。冯。2 |刘。冯。3 |刘。刘峰。冯。5 |刘。冯。1 “何静” https://zbmath.org/authors/?q=ai:he.jing “高,伟强” https://zbmath.org/authors/?q=ai:gao.weiqiang “傅新伟” https://zbmath.org/authors/?q=ai:fu.xinwei “康,辛梅” https://zbmath.org/authors/?q=ai:kang.xinmei 摘要:本文主要研究了部分线性电动汽车模型在响应变量缺失的情况下异方差检验问题。首先,利用完全观测数据估计模型的未知参数和光滑函数,然后用回归方法对缺失数据进行填充。然后,建立了检验模型随机误差异方差的经验似然比统计量,证明了该统计量渐近服从卡方分布。最后,通过数值模拟研究了不同缺失概率下测试的有限样本性质,并在案例分析中采用偏线性EV模型对缺失数据进行异方差检验。 对称测量误差下均匀分布宽度的估计 https://zbmath.org/1485.62022 2022-06-24T15:10:38.853281Z “哈梅多维奇,S” https://zbmath.org/authors/?q=ai:hamedovic.s “本希奇,M。” https://zbmath.org/authors/?q=ai:bensic.mirta “萨博,K。” https://zbmath.org/authors/?q=ai:sabo.kristian 摘要:本文研究了对称加性误差下均匀分布支持度的估计问题。最大似然(ML)估计是我们的主要兴趣,但我们也分析了矩(MM)估计的方法,当它存在时。在一定的正则条件下,ML估计量是一致的且渐近有效的。学生分布的错误被证明是鲁棒性问题的一个很好的选择。 加权Lindley分布的新闭式估计 https://zbmath.org/1485.62023 2022-06-24T15:10:38.853281Z “金,玄月” https://zbmath.org/authors/?q=ai:kim.hyoung-月亮 张裕铉 https://zbmath.org/authors/?q=ai:jang.yu-铉 摘要:我们提出了两参数加权Lindley(WL)分布的新的闭式估计。这些新的估计量是由幂变换的WL分布的似然方程导出的。它们的行为与极大似然估计量(mle)非常相似,并且达到了一致性和渐近正态性。数值结果表明,与现有的闭式估计不同,新的估计量与极大似然估计量具有一致的可比性。此外,为了减少新估计量在小样本情况下的偏差,我们在近似Cox-Snell公式的基础上,对新估计量进行了偏差修正。我们的模拟研究表明,这种偏差校正方法在提高小样本性能方面是有效的。最后,我们给出了三个实际的数据例子。 一种新的闭式估计量及其性质 https://zbmath.org/1485.62024 2022-06-24T15:10:38.853281Z “金,玄月” https://zbmath.org/authors/?q=ai:kim.hyoung-月亮 “金,成布” https://zbmath.org/authors/?q=ai:kim.sungbum 张裕铉 https://zbmath.org/authors/?q=ai:jang.yu-铉 “赵军” https://zbmath.org/authors/?q=ai:zhao.jun.1|赵。6月2日|赵。六月 摘要:某些分布没有闭式极大似然估计(MLE)。这可能会在实时处理中造成一些问题。利用Box-Cox变换的一个推广,我们给出了分布族的闭式估计。如果存在这样的闭式估计量,则它们具有类似于MLE的不变性,并且在关于变换的分布上是相等的。具体地说,闭式估计量的联合精确分布和渐近分布与变换参数无关,这对统计推断是有用的。对于gamma相关和加权Lindley相关分布,闭式估计具有与MLE相似的强相合性和渐近正态性。也就是说,当初始分布为gamma分布和加权Lindley分布时,通过Box-Cox变换的扩展得到的分布族的闭式估计具有强相合性和渐近正态性。导出了一个与变换无关的偏差校正闭式估计量。在这个意义上,闭式估计量和偏差修正闭式估计量对于变换是不变的。文中给出了一些例子来证明其理论基础。文中给出了一些模拟研究和一个实际的数据例子,以说明所提出的估计器在本研究中的表现。 三参数Weibull分布的自适应界与估计 https://zbmath.org/1485.62025 2022-06-24T15:10:38.853281Z “奥德拉戈,乌因德拉西达·让·艾蒂安” https://zbmath.org/authors/?q=ai:ouedraogo.ouindllassida-让·艾蒂安 “以东,卡切普勒” https://zbmath.org/authors/?q=ai:katchekpele.edoh “卡潘祖,Tchilabalo Abozou” https://zbmath.org/authors/?q=ai:kpanzou.tchilabalo-阿博祖 摘要:本文提出了三参数威布尔分布参数的界。这些边界依赖于数据,因此是自适应的。提出了相关参数恢复的准确概率,并应用于模拟数据。一旦得到界,然后使用差分进化优化方法(DEOM)来估计上述分布的参数。通过montecarlo仿真,对所得到的估计器的性能进行了评估。 极大似然超树重构的收敛性 https://zbmath.org/1485.62026 2022-06-24T15:10:38.853281Z “丁,伍” https://zbmath.org/authors/?q=ai:dinh.vu “何,林思彤” https://zbmath.org/authors/?q=ai:ho.lam-司桐 摘要:超级树方法是一种树木重建技术,它结合了几个较小的基因树(可能是在不同的物种集合上)来构建一个更大的物种树。人们感兴趣的问题是,随着基因树数目的增加,重建的超树是否会收敛到真正的物种树(即,超级树方法的一致性)。在本文中,我们特别关注极大似然超树的收敛速度。以往对极大似然超树方法的研究往往将感兴趣的问题描述为一个离散的问题,而集中在重建物种树的正确拓扑结构上。为了重建物种树的拓扑结构和分支长度,我们提出了一种分析最大似然超树方法收敛性的方法。具体地说,我们把每棵树看作度量空间的一个点,并证明了在某些温和的条件下,极大似然超树与物种树之间的距离以多项式速率收敛到零。我们进一步验证了这些条件对于流行的指数误差模型的基因树。 零膨胀二元Poisson模型的估计及其在卫生保健利用数据中的应用 https://zbmath.org/1485.62027 2022-06-24T15:10:38.853281Z “库阿库,科南·吉奥夫罗伊” https://zbmath.org/authors/?q=ai:kouakou.konan-让·杰弗里 “希利,瓦格纳” https://zbmath.org/authors/?q=ai:hili.ouagnina “杜普,让·弗朗索瓦” https://zbmath.org/authors/?q=ai:dupuy.jean-弗朗索瓦 (无摘要) 催化先验分布及其在广义线性模型中的应用 https://zbmath.org/1485.62028 2022-06-24T15:10:38.853281Z “黄,东明” https://zbmath.org/authors/?q=ai:huang.dongming “斯坦,内森” https://zbmath.org/authors/?q=ai:stein.nathan-米 “寇,南卡” https://zbmath.org/authors/?q=ai:kou.s-c 摘要:催化先验分布是为了稳定高维的“工作模型”,将其缩小为“简化模型”收缩是通过在更简单的模型下用预测分布生成的少量“合成数据”补充观测数据来实现的。我们将此框架应用于广义线性模型,其中我们提出了各种策略来指定控制收缩程度的调节参数,并研究了由此产生的理论性质。在仿真中,使用这种催化先验的后验估计优于工作模型中的最大似然估计,并且在点估计的频率预测精度和区间估计的覆盖精度方面与现有的竞争方法相比较或优于。催化前驱物的解释简单,易于表述。 两对数正态均值比值的修正轮廓似然法的客观贝叶斯分析 https://zbmath.org/1485.62029 2022-06-24T15:10:38.853281Z “康,桑吉” https://zbmath.org/authors/?q=ai:kang.sang-吉尔 “李宇东” https://zbmath.org/authors/?q=ai:lee.woo-东 “金,永库” https://zbmath.org/authors/?q=ai:kim.yungku 摘要:原则上,匹配先验提供了一种可能的折衷方案,在贝叶斯推理中,参数的后验概率也提供了一种解释为置信声明的默认先验。在这里,我们为两个对数正态均值之比引入一个匹配先验,这是非常重要的,因为匹配先验的推导需要对干扰参数进行适当的正交参数化,而计算边际后验分布则需要对干扰参数进行多维积分参数。数值积分和近似技术可以使用,但一般来说很难使用。因此,我们基于轮廓似然的修正来推导一个匹配的先验,以避免整个参数的先验和对干扰参数的积分。通过实际数据实例和几种构型下的仿真研究,说明了该方法的有效性。 二元正态总体变异率的非信息先验 https://zbmath.org/1485.62030 2022-06-24T15:10:38.853281Z “金,大浩” https://zbmath.org/authors/?q=ai:kim.dalho “康,桑吉” https://zbmath.org/authors/?q=ai:kang.sang-吉尔 “李宇东” https://zbmath.org/authors/?q=ai:lee.woo-东 “金,永库” https://zbmath.org/authors/?q=ai:kim.yungku 摘要:本文考虑了二元正态分布中变量比率的一些客观先验。我们开发了一阶和二阶匹配先验和参考先验。我们得到了二阶匹配先验与相同阶的替代覆盖概率匹配。它也是一个HPD匹配的先例。结果表明,导出的参考先验不满足二阶匹配准则。仿真结果表明,基于目标覆盖概率匹配的二阶匹配先验比参考先验具有更好的性能。最后,我们证明了二阶匹配先验和参考先验产生的置信集的期望长度小于Cox和Reid调整。 贝叶斯模型选择的模型引导自适应抽样 https://zbmath.org/1485.62031 2022-06-24T15:10:38.853281Z “玉,清照” https://zbmath.org/authors/?q=ai:yu.qingzhao “李斌” https://zbmath.org/authors/?q=ai:li.bin.1 摘要:我们提出了一种贝叶斯建模过程中变量选择的自适应设计方法。首先随机选择一些模型进行评估(例如通过后验模型概率)。利用这些模型,我们对候选池中所有模型的性能进行预测,在此基础上选择和评价更多的模型,其中预测性能好或预测方差大的模型被选中的概率较高。新采样模型用于更新候选模型的性能预测。重复此过程,直到根据预设的模型选择标准,信息模型不太可能不采样。当存在高维变量时,我们建议使用最高分辨率最小像差分数阶乘设计来选择候选模型集,从而能够推断变量的主要影响和低水平交互作用。仿真和实际数据表明,与其他变量选择方法相比,所提出的自适应设计方法在寻找信息模型方面是有效的。 时变相关系数的非参数估计 https://zbmath.org/1485.62032 2022-06-24T15:10:38.853281Z “崔吉恩” https://zbmath.org/authors/?q=ai:choi.jieun 申东湾 https://zbmath.org/authors/?q=ai:shin.dongwan 摘要:我们提出了一种新的时变相关系数,它是一对时间序列的局部相关测度。利用非参数核方法对时变相关系数进行局部估计。建立了估计的时变相关系数的渐近正态性,从而可以构造置信区间和假设检验的统计方法。用蒙特卡罗方法验证了所提出方法的有限样本有效性。通过对五组世界主要股指收益率的分析,说明了时变相关系数法的有效性。 对比树和促进分布 https://zbmath.org/1485.62033 2022-06-24T15:10:38.853281Z “弗里德曼,杰罗姆H。” https://zbmath.org/authors/?q=ai:friedman.jerome-h (无摘要) 极小极大下界的研究进展 https://zbmath.org/1485.62034 2022-06-24T15:10:38.853281Z “金,阿琳·K·H。” https://zbmath.org/authors/?q=ai:kim.arlene-京熙 摘要:极小极大下界通过提供任何过程的基本极限来确定给定统计问题的复杂性。本文综述了求极小极大下界的各个方面的最新进展。我们首先介绍了经典的方法,然后给出了更为复杂的下界构造,如测试两个混合体、双向方法和全局度量熵方法,并给出了流形学习、近似集和神经网络等。此外,我们考虑了两种不同类型的对估计量集的限制。特别地,我们考虑了当估计量集为线性时的下界,并讨论了minimax下界的一个私有版本。 双截断数据非参数变换模型的加权秩估计 https://zbmath.org/1485.62035 2022-06-24T15:10:38.853281Z “刘天庆” https://zbmath.org/authors/?q=ai:liu.tianqing “元,小辉” https://zbmath.org/authors/?q=ai:yuan.xiaohui “孙,建国” https://zbmath.org/authors/?q=ai:sun.jianguo.1|太阳。建国。2 |太阳。建国 摘要:当事件时间仅在特定主题的时间间隔内观察时,通常会出现双截断数据。我们使用非参数变换模型分析双截断数据,其中响应变量的未知单调递增变换等于协变量的线性组合的未知单调递增函数加上一个未知的对数凹概率密度函数的随机误差。此外,我们假设截断变量与给定协变量的响应变量有条件无关,而对于给定协变量的截断变量的条件分布则不作规定。对于回归参数的估计,我们提出了加权秩(WR)估计方法,并建立了估计量的相合性和渐近正态性。WR估计量的极限协方差矩阵可以通过重采样技术来估计,该技术不涉及非参数密度估计或数值导数。数值研究表明,所提出的方法在实际应用中效果良好,并以实际数据为例进行了说明。 超高维部分线性模型保留变量选择后的轮廓正则化 https://zbmath.org/1485.62036 2022-06-24T15:10:38.853281Z “杨欣” https://zbmath.org/authors/?q=ai:yang.xin “李冰月” https://zbmath.org/authors/?q=ai:li.bingyue “田,平” https://zbmath.org/authors/?q=ai:tian.ping 摘要:本文考虑了超高维部分线性模型,其中参数向量的维数是样本量的指数级。基于轮廓最小二乘法和保留后正则化方法,提出了一种对超高维部分线性模型进行变量选择的新方法。在一定的正则性条件下,证明了估计量达到符号一致性。通过数值模拟和实际数据分析,与Lasso、SIS-Lasso和自适应Lasso相比,该方法在恢复线性部分系数符号方面具有更好的效果。 复合分布导数的非参数估计 https://zbmath.org/1485.62037 2022-06-24T15:10:38.853281Z “张志敏” https://zbmath.org/authors/?q=ai:zhang.zhimin.1 “刘朝林” https://zbmath.org/authors/?q=ai:liu.chaolin 摘要:复合随机变量及其分布在精算学中有着广泛的应用。在本文中,我们考虑了当(X_j)的下垫密度未知时,复合分布的导数泛函的估计。利用傅立叶逆变换和核函数法构造了估计量。给出了偏差的阶界和方差的渐近表达式,并讨论了渐近正态性和一致一致一致性。文中给出了一些仿真研究,以说明该估计器在有限样本下的性能。 自适应测井密度估计 https://zbmath.org/1485.62038 2022-06-24T15:10:38.853281Z “Bak,Kwan Young” https://zbmath.org/authors/?q=ai:bak.kwan-年轻 “顾,贾勇” https://zbmath.org/authors/?q=ai:koo.ja-勇 摘要:本研究探讨了一种自适应对数密度估计方法。所提出的估计量保证是一个有效的密度,在这个意义上它是正的并且积分为1。估计量的平滑度是通过一种数据自适应的惩罚方法来控制的。讨论了惩罚对数密度估计的优点,重点讨论了小波估计。研究了用Kullback-Leibler散度(相对熵)度量拟合质量时估计量的理论性质。在给定的字典上,假设一个近似正交的条件,得到了一个非同调预言不等式。基于oracle不等式,在一定的正则条件下证明了选择一致性和极小极大自适应性。该方法用坐标下降算法实现。基于周期化Meyer小波的数值算例证明了所提估计器的有限样本性能。 基于小波的半参数回归模型估计 https://zbmath.org/1485.62039 2022-06-24T15:10:38.853281Z “德迪厄恩库,伊曼纽尔” https://zbmath.org/authors/?q=ai:de-迭恩库。艾曼纽 “恩基特,军人” https://zbmath.org/authors/?q=ai:nkiet.guy-军事 基于渐进式II型截尾的核密度估计 https://zbmath.org/1485.62040 2022-06-24T15:10:38.853281Z “阿玛,赫鲁” https://zbmath.org/authors/?q=ai:helu.amal “萨马维,哈尼” https://zbmath.org/authors/?q=ai:samawi.hani-米 “罗查尼,哈雷什” https://zbmath.org/authors/?q=ai:rochani.haresh-d “殷,晶晶” https://zbmath.org/authors/?q=ai:yin.jingjing “沃格尔,罗伯特” https://zbmath.org/authors/?q=ai:vogel.robert-我 摘要:为了节省时间和降低成本,渐进式审查对于工业研究人员来说是必不可少的,它是在最终终止点之前删除被试的一种手段。近年来,核密度估计因其渐近性质和应用而备受关注。本文研究了基于渐进式II型截尾的核密度估计量的渐近性质及其在危险函数估计中的应用。提出了一种偏差调整的核密度估计方法。仿真结果表明,与简单随机抽样下的核密度估计相比,渐进式II型截尾下的核密度估计具有竞争性。最后以某型飞机挡风玻璃的失效时间为例说明了所提出的方法。 左截断下相依数据递归条件分布估计的相合性结果及其在条件分位数上的应用 https://zbmath.org/1485.62041 2022-06-24T15:10:38.853281Z “本吉亚迪,法蒂玛” https://zbmath.org/authors/?q=ai:benziadi.fatima “布阿扎,伊曼尼” https://zbmath.org/authors/?q=ai:bouazza.imane 摘要:在本文中,我们讨论了在统计研究中经常被反复问到的一个问题,即数据集中是否存在不完整数据。因此,我们的目标是基于双核方法研究由希尔伯特随机变量(X=X)解释的向量响应值变量(Y)的条件分布函数的递推非参数估计。因为我们一直在寻找更可靠的方法,与研究方法相一致,因此,众所周知,递归方法比其非递归方法更有效。然而,感兴趣的变量(Y)被另一个变量\(T\)截断,也就是说,随机变量\(Y\)和\(T\)是观察到的当且仅当\(Y\geq T\);否则,如果\(Y<T\),则不会观察到任何内容。在一般混合条件下,我们首先建立了它的强一致相合性,由此导出了条件分位数函数估计量的一致相合性。 基于样条的部分函数线性模型的修正Huber损失鲁棒估计 https://zbmath.org/1485.62042 2022-06-24T15:10:38.853281Z “蔡,熊” https://zbmath.org/authors/?q=ai:cai.xiang “薛,柳根” https://zbmath.org/authors/?q=ai:xue.liugen “陆飞” https://zbmath.org/authors/?q=ai:lu.fei.1|卢。 摘要:在本文中,我们考虑了一种新的稳健估计方法,即用样条基函数逼近斜率函数的部分函数线性模型(PFLM)。这种稳健估计方法采用修正的Huber函数,用指数平方损失(ESL)代替尾函数来实现对异常值的鲁棒性。提出了一种数据驱动的参数选择方法,使我们在存在异常值或非正态误差时,比其他方法具有更好的鲁棒性和效率。我们在PFLM中构造了参数系数和函数系数的鲁棒估计量。此外,还建立了所得到的估计量的一些渐近性质。通过仿真研究了该方法的有限样本性能,并用一个数据实例加以说明。 截尾数据单调约束下部分线性模型的参数估计 https://zbmath.org/1485.62043 2022-06-24T15:10:38.853281Z “陈,薇” https://zbmath.org/authors/?q=ai:chen.wei.3|陈。世界环境学会。4 |陈。世界环境学会。2 “李,小佳” https://zbmath.org/authors/?q=ai:li.xiaojia “王,德惠” https://zbmath.org/authors/?q=ai:wang.dehui “史国华” https://zbmath.org/authors/?q=ai:shi.guohua 摘要:我们提出了一种加权最小二乘估计方法来估计具有单调约束和右截尾数据的偏线性模型。该方法用Kaplan-Meier权函数来解释截尾,用单调B样条逼近未知单调函数。在适当的假设下,我们证明了所提出的回归系数估计量是根-一致和渐近正态的。一个优点是我们的方法可以很容易地使用现有的软件进行计算。通过仿真研究验证了该方法的有限样本性能。 函数线性模型的独立性和拟合优度的联合检验 https://zbmath.org/1485.62044 2022-06-24T15:10:38.853281Z “赖,婷玉” https://zbmath.org/authors/?q=ai:lai.tingyu “张,中占” https://zbmath.org/authors/?q=ai:zhang.zhongzhan “王亚飞” https://zbmath.org/authors/?q=ai:wang.yafei 摘要:功能数据的传统回归模型包括用预测函数表示响应变量。模型中通常加入两个假设,即(i)预测函数和误差是独立的,(ii)响应变量和预测函数之间的关系采用函数线性模型。检验这两个假设的有效性是统计推断和实际应用的基础。我们开发了一个基于广义距离协方差的测试程序来同时检查这些假设。我们在零假设和替代假设下建立了该检验的渐近理论,并提供了一个bootstrap过程来获得检验的临界值。如果与广义距离相关的半度量是强负的,并且可以很容易地推广到其他函数回归模型中,则所提出的检验对所有方案都是一致的。我们通过模拟和实际数据实例,探讨了该测试的有限样本性能。结果表明,与竞争方法相比,该方法具有良好的性能。 Hilbertian非参数回归参数模型的投影降偏 https://zbmath.org/1485.62045 2022-06-24T15:10:38.853281Z “李,Y.K.” https://zbmath.org/authors/?q=ai:lee.young-李敬恩。李永奎。李英九。李延权。杨圭|李。李怡权。杨辜 “洪,H。” https://zbmath.org/authors/?q=ai:hong.hyerim “金,D。” https://zbmath.org/authors/?q=ai:kim.dongwoo|金。东霍 “帕克,布鲁” https://zbmath.org/authors/?q=ai:park.byeong-英国 摘要:本文讨论了一种改进非参数核回归估计偏差性质的一般方法。该过程包括选择一个参数模型,并构造一个由参数分量和非参数平差组成的半参数估计量,其中参数分量从参数模型中选取,使得得到的估计量具有最佳的偏差性能。研究了响应变量在一般Hilbert空间取值和局部线性平滑的方法。结果表明,无论参数模型的选择如何,该方法都能改善局部线性估计量的偏差。我们还通过一个实际的数据例子说明了该方法,其中响应变量是一个随机密度。 基于多核超完备系统的不连续函数贝叶斯曲线拟合 https://zbmath.org/1485.62046 2022-06-24T15:10:38.853281Z “李,杨森” https://zbmath.org/authors/?q=ai:lee.youngseon “马诺,淑黑” https://zbmath.org/authors/?q=ai:mano.shuhei “李在勇” https://zbmath.org/authors/?q=ai:lee.jaeyong 摘要:我们提出了一个完全贝叶斯方法来估计具有跳跃不连续性的函数。该模型是LARK模型的一个扩展,它使得函数可以用一个过完备系统中的少量元素来表示。在该模型中,多核函数被用作过完备系统的元素。由于这些元素由Haar、Laplacian和Gaussian核等不同类型的函数组成,因此该模型可以在不需要模型选择的情况下估计不连续函数和光滑函数。跳跃的位置、基函数的个数,甚至目标函数的平滑度都由Levy随机测度自动确定。仿真研究和实际数据分析表明,该模型在不连续函数估计方面优于标准的非参数方法。最后,我们证明了模型的先验正性,并证明了先验函数具有足够大的支持度,包括有限个跳数的间断函数。 基于面板数据的变系数固定效应模型的经验似然检验 https://zbmath.org/1485.62047 2022-06-24T15:10:38.853281Z “李万斌” https://zbmath.org/authors/?q=ai:li.wanbin “薛,柳根” https://zbmath.org/authors/?q=ai:xue.liugen “赵佩欣” https://zbmath.org/authors/?q=ai:zhao.peixin 摘要:半参数模型通常用于分析面板数据,以便在节省和灵活性之间进行良好的权衡。本文研究了一个具有可能变系数分量的固定效应模型。在经验似然法的基础上,估计了系数函数及其置信区间。估算程序易于实现。变系数模型统计推断的一个重要问题是检验回归函数的常系数。通过构造经验似然比统计量和建立Wilks定理,我们进一步发展了检验程序。最后,通过数值模拟和实际数据分析来评估有限样本的性能。 大规模惩罚期望回归的分布优化与统计学习 https://zbmath.org/1485.62048 2022-06-24T15:10:38.853281Z “潘,英利” https://zbmath.org/authors/?q=ai:pan.yingli 摘要:来自各个研究领域的大规模数据不仅异构稀疏,而且很难存储在一台机器上。期望回归是一种流行的异构数据建模方法。在这篇文章中,我们设计了一个分布式优化方法来处理SCAD和自适应LASSO惩罚期望回归,其中观测值在多台机器上随机分割。我们构造了一个惩罚通信有效代理丢失(CSL)函数。在计算上,我们基于CSL函数的方法只需要主机器就可以解决一个规则的M-估计问题,而其他工人机器则需要计算局部数据上损失函数的梯度。我们的方法在连续的通信过程中与集中式方法的估计误差界相匹配。在一些温和的假设下,我们建立了SCAD和自适应LASSO惩罚期望回归的oracle性质。然后我们发展了一个改进的交替方向乘法器(ADMM)算法来实现所提出的估计器。我们进行了一系列的模拟研究,以评估所提出估计器的有限样本效能。在HIV研究中的应用证明了该方法的实用性。 分位数回归模型选择的有效信息准则 https://zbmath.org/1485.62049 2022-06-24T15:10:38.853281Z “申,吴英” https://zbmath.org/authors/?q=ai:shin.wooyoung “金,明刚” https://zbmath.org/authors/?q=ai:kim.mingang Jung,Yoonsuh https://zbmath.org/authors/?q=ai:jung.yoonsuh 摘要:基于信息的模型选择准则,如AIC和BIC,使用检查损失函数来衡量分位数回归模型的拟合优度。使用检查损失函数的模型选择是鲁棒的,因为它对外围观测值有抵抗力。在本研究中,我们建议修改检查损失函数以获得更有效的拟合优度。由于检查损失的尖点在修改后的版本中是二次调整的,因此在模型选择中期望更高的效率(或方差减少)。因为我们这里关注的是模型选择,所以我们没有修改模型拟合过程。广义交叉验证是分位数平滑样条中选择平滑参数的另一种常用方法。我们描述了如何使用修改的检查损失来调整这一点,以提高效率。广义交叉验证被设计用来反映目标分位数和样本量。两个真实的数据集和模拟研究,以评估其性能使用线性和非线性分位数回归模型。 具有纵向数据的变系数部分线性模型的平滑阈值GEE变量选择 https://zbmath.org/1485.62050 2022-06-24T15:10:38.853281Z “田,瑞琴” https://zbmath.org/authors/?q=ai:tian.ruiqin “薛,柳根” https://zbmath.org/authors/?q=ai:xue.liugen “胡玉萍” https://zbmath.org/authors/?q=ai:hu.yuping 摘要:本文研究了具有纵向数据的变系数部分线性模型的变量选择问题。提出了一种基于光滑阈值广义估计方程(SGEE)的变量选择方法。该方法同时选择参数分量和非参数分量中的有效变量。该方法避免了凸优化问题,具有灵活性和易实现性。建立了估计量的相合性和渐近正态性。广泛的蒙特卡罗模拟研究,以检验所提出的变量选择程序的有限样本性能。应用实例进一步说明了所提出的方法。 贝叶斯套索正则加权复合分位数回归 https://zbmath.org/1485.62051 2022-06-24T15:10:38.853281Z “田,玉竹” https://zbmath.org/authors/?q=ai:tian.yuzhu “田,毛仔” https://zbmath.org/authors/?q=ai:tian.maozai 摘要:回归模型通常采用最小二乘估计(LSE)方法进行估计,当数据包含非正态特征或异常值时,可能会导致参数估计的非稳健。与LSE方法相比,复合分位数回归(CQR)即使存在非正态误差或异常值,也能提供更为稳健的估计结果。基于复合非对称拉普拉斯分布(CALD),加权复合分位数回归(WCQR)可以在贝叶斯框架下进行处理。正则化方法可以同时进行变量选择和参数估计,对高维稀疏回归模型是非常有效的。本文将贝叶斯套索正则化方法与WCQR相结合来拟合线性回归模型。建立了WCQR的Bayesian-LASSO正则化层次模型,导出了所有未知参数的条件后验分布,进行了统计推断。最后,用蒙特卡罗模拟和实际数据分析说明了所提出的方法。 具有发散分量的半参数变系数部分线性模型的统计推断 https://zbmath.org/1485.62052 2022-06-24T15:10:38.853281Z “王,明秋” https://zbmath.org/authors/?q=ai:wang.mingqiu “田,郭亮” https://zbmath.org/authors/?q=ai:tian.guoliang “刘,音” https://zbmath.org/authors/?q=ai:liu.yin.2 在应用中,除了样本信息外,还可以利用一些参数的先验信息来提高估计效率。在变系数部分线性模型的参数和非参数分量数目发散的框架下,利用基函数逼近估计变系数后的参数分量,提出了一种约束轮廓最小二乘估计方法。在一定的正则条件下,证明了该估计量是一致的、渐近正态的。为了检验线性约束对参数分量的有效性,我们构造了一个profile广义似然比检验统计量,并证明了它在零假设和替代假设下服从渐近卡方分布。通过仿真研究和波士顿住房数据分析,说明了该方法的有效性。 基于机器学习预测结果的推理修正方法 https://zbmath.org/1485.62053 2022-06-24T15:10:38.853281Z “王,四郎” https://zbmath.org/authors/?q=ai:wang.siruo “麦考密克,泰勒H。” https://zbmath.org/authors/?q=ai:mccormick.tyler-h “韭菜,杰弗里·T。” https://zbmath.org/authors/?q=ai:leek.jeffrey-t 摘要:医学和公共卫生领域的许多现代问题利用机器学习方法根据可观察的协变量来预测结果。在许多情况下,预测结果用于随后的统计分析,通常不考虑观察结果和预测结果之间的区别。我们称预测结果为后预测推理。在这篇论文中,我们发展了一种使用任意复杂机器学习模型(包括随机森林和深层神经网络)预测的结果来修正统计推断的方法。我们没有试图从每种机器学习算法的第一性原理中得到修正,而是观察到观察结果和预测结果之间存在典型的低维且易于建模的表示。我们构建了一种用于后预测推理的方法,该方法自然适用于标准机器学习框架,其中数据被划分为训练集、测试集和验证集。我们在训练集中训练预测模型,在测试集中估计观察结果和预测结果之间的关系,并使用这种关系校正验证集中的后续推理。我们证明我们的后预测推断(postpi)方法可以纠正偏差,改善方差估计和后续的统计推断与预测结果。为了展示我们方法的广泛适用性,我们展示了posti可以在两个不同的领域改进推断:在重新利用的基因表达数据中建模预测表型和在口头尸检数据中模拟预测死因。我们的方法可以通过一个开源的R包获得:\url{https://github.com/leekgroup/posti}. 具有缺失协变量的可加部分线性模型参数的一种有效估计 https://zbmath.org/1485.62054 2022-06-24T15:10:38.853281Z “王,秀丽” https://zbmath.org/authors/?q=ai:wang.xilli “宋云泉” https://zbmath.org/authors/?q=ai:song.yunquan “张淑霞” https://zbmath.org/authors/?q=ai:zhang.shuxia 摘要:本文研究了具有缺失协变量的可加性部分线性模型参数的加权分位数平均估计技术,这是一种有效的方法。该方法基于多分位数回归对不同分位数的信息进行优化组合。在选择概率已知的情况下,分别用非参数方法和参数方法估计了加权分位数平均估计量的渐近正态性。此外,我们通过最小化渐近方差来计算最优权重,然后得到相应的最优加权分位数平均估计量。为了验证我们提出的方法的有限性能,我们使用数值模拟并应用于康复中心病人的时间清醒模型。仿真结果和数据分析进一步验证了该方法是WCQR方法和WLS方法的一种有效、安全的方法。 具有易出错协变量的函数模型部分线性误差的自适应结构推断 https://zbmath.org/1485.62055 2022-06-24T15:10:38.853281Z “耶,紫衣” https://zbmath.org/authors/?q=ai:ye.ziyi “黄,振生” https://zbmath.org/authors/?q=ai:huang.zhensheng “丁,海英” https://zbmath.org/authors/?q=ai:ding.haiying 摘要:在现有文献中,半参数测量误差模型的模型结构推断尚未得到很好的发展,部分原因是难以处理不可观测的协变量。在这项研究中,发展了一个框架的适应性结构选择在部分线性误差的函数模型中容易出错的协变量。首先,基于现有模型的轮廓最小二乘估计,我们通过广义似然比(GLR)检验方法定义了两个检验统计量[\texdit{J.Fan}等,Ann.Stat.29,No.1,153--193(2001;Zbl 1029.62042)]。证明了所提出的检验统计量具有Wilks型性质,并在半参数测量误差模型族中揭示了一类新的Wilks现象。然后,我们证明了在零假设下,GLR统计量渐近地遵循卡方分布。此外,我们提出有效的演算法来执行我们的方法,并藉由模拟实例来评估有限样本的效能。通过一个实例说明了该方法的有效性。 区分对数衰减尾和多项式衰减尾的试验方法 https://zbmath.org/1485.62056 2022-06-24T15:10:38.853281Z “巴提,迪佩什” https://zbmath.org/authors/?q=ai:bhati.deepesh 摘要:提出了一种新的统计检验方法来区分对数衰减上尾和多项式衰减上尾的分布。通过仿真计算了所提出试验的经验尺寸和功率。所提出的测试被应用于两个真实世界的数据集。 joncheere-Terpstra和Kruskal-Wallis检验的无偏性和偏差性 https://zbmath.org/1485.62057 2022-06-24T15:10:38.853281Z 村上春树 https://zbmath.org/authors/?q=ai:murakami.hidetoshi “李,成强” https://zbmath.org/authors/?q=ai:lee.seong-基恩 摘要:发现检验统计量的无偏性和偏性在检验假设中是很重要的。在这项研究中,研究了有序方案的joncheere-Terpstra检验的无偏性。我们的结果表明,对于位置参数分布族,单边Jonckheere-Terpstra检验是无偏的,而非随机化的双边Jonckheere-Terpstra检验对于移位的位置参数是有偏的。此外,考虑了Kruskal-Wallis检验的无偏性/偏性对一般双边方案的影响。通过给出一个反例,我们的研究揭示了Kruskal-Wallis检验对于不同样本量的移位位置参数是有偏差的。结果表明,我们需要考虑非参数检验的偏差修正。 基于Jackknife经验似然推理的概率加权矩 https://zbmath.org/1485.62058 2022-06-24T15:10:38.853281Z “巴提,迪佩什” https://zbmath.org/authors/?q=ai:bhati.deepesh “卡图曼尼,苏希什K。” https://zbmath.org/authors/?q=ai:kattumannil.sudheesh-库马尔 “斯雷拉克什米,N。” https://zbmath.org/authors/?q=ai:sreelakshmi.n 摘要:我们讨论了基于jackknife经验似然(JEL)和调整jackknife经验似然(AJEL)的推理,以寻找概率加权矩(PWM)的置信区间。我们得到了JEL比和AJEL比统计量的渐近分布。在覆盖概率和平均宽度方面,我们比较了所提出的置信区间与最近发展的方法的性能。我们还开发了基于JEL和AJEL的PWM测试,并对其性能进行了研究。最后,我们用印度各州的降雨资料来说明我们的方法。 按样本范围顺序记录值 https://zbmath.org/1485.62059 2022-06-24T15:10:38.853281Z “贝尔科夫,伊戈尔·弗拉基米罗维奇” https://zbmath.org/authors/?q=ai:belkov.igor-弗拉基米罗维奇 “涅佐罗夫,瓦莱丽·鲍里索维奇” https://zbmath.org/authors/?q=ai:nevzorov.valerii-鲍里索维奇 摘要:以标准指数分布(E(1)为指数分布随机和和的独立随机变量序列中记录值的经典表示在记录的数学理论中占有重要地位。提出了这种表示的推广。得到了一个新的相似结果,使得将样本范围的记录值表示为独立的指数分布随机变量的和成为可能。 随机右截尾条件极值指标的函数核估计 https://zbmath.org/1485.62060 2022-06-24T15:10:38.853281Z “鲁蒂坎加,贾斯汀·乌希什” https://zbmath.org/authors/?q=ai:rutikanga.justin-ushize公司 “迪奥普,阿利欧” https://zbmath.org/authors/?q=ai:diop.aliou 摘要:研究了当函数随机协变量(即在无限维空间中取值)信息存在且标量响应变量右截尾时,重尾分布极值指数的估计问题。提出了极值指数Hill估计量的加权核形式,并在温和的假设下建立了其渐近正态性。通过仿真研究来评估所提出估计器的有限样本行为。本文还提供了一种应用于脑卒中患者动态血压轨迹和临床结果的应用。 基于Kendall过程的拟合优度检验:Durante的二元copula模型 https://zbmath.org/1485.62061 2022-06-24T15:10:38.853281Z “边,N'dri Hubert” https://zbmath.org/authors/?q=ai:bian.ndri-休伯特 “希利,瓦格纳” https://zbmath.org/authors/?q=ai:hili.ouagnina “奥库,盖伊·西里尔” https://zbmath.org/authors/?q=ai:okou.guei-西里尔 摘要:提出的copula模型拟合优度检验方法是最近才提出的。新的测试统计量或综合测试是一个经验过程的功能,由肯德尔或斯皮尔曼的依赖函数的理论和经验版本驱动。本文利用Kendall过程,提出了一种具有非零奇异分量的对称柔性copula模型的拟合方法。给出了该经验过程弱收敛的条件。使用一种允许计算近似\(p\)-值的参数引导方法,经验证明基于Cramér-von Mises距离的测试将标称水平的规定值保持在零以下假设。仿真研究证明了拟合检验的有效性。 关于柔性广义斜正规模型Fisher信息矩阵的注记 https://zbmath.org/1485.62062 2022-06-24T15:10:38.853281Z “维尼加斯,奥斯瓦尔多” https://zbmath.org/authors/?q=ai:venegas.osvaldo “萨利纳斯,雨果S。” https://zbmath.org/authors/?q=ai:salinas.hugo-s “戈梅斯,Héctor W” https://zbmath.org/authors/?q=ai:gomez.hector-瓦拉迪米尔 摘要:本文推导了柔性广义斜态正态分布(FGSN)的Fisher信息矩阵。首先,我们推导了得分函数的最大似然估计。然后我们计算信息矩阵,并考虑与偏正态分布和正态分布相对应的特殊情况。我们提出了一种生成FGSN随机变量的算法,并进行了仿真研究。最后给出了FGSN模型在实际数据集上的应用。 勘误:“多元复合连接词” https://zbmath.org/1485.62063 2022-06-24T15:10:38.853281Z “谢,洁华” https://zbmath.org/authors/?q=ai:xie.jiehua “方,君” https://zbmath.org/authors/?q=ai:fang.jun “杨京平” https://zbmath.org/authors/?q=ai:yang.jingping “不,兰” https://zbmath.org/authors/?q=ai:bu.lan 由于作者论文[同上,52,No.1,145--184(2022;Zbl 1483.62088)]在结论部分的原始出版物中出现错误,更正后的文本载于本更正中。 圆上可交换随机变量均匀性检验 https://zbmath.org/1485.62064 2022-06-24T15:10:38.853281Z 赵成勋 https://zbmath.org/authors/?q=ai:cho.seonghun “崔永根” https://zbmath.org/authors/?q=ai:choi.young-根 “林,约翰” https://zbmath.org/authors/?q=ai:lim.johan “李,元俊” https://zbmath.org/authors/?q=ai:lee.wonjun “白,贤贞” https://zbmath.org/authors/?q=ai:bai.hyun-郑 “权,成元” https://zbmath.org/authors/?q=ai:kwon.sungwon 小结:我们的动机是我们的实验室白蚁群集行为的实验。为了检验集群行为的存在性,我们重新讨论了在圆上检验均匀样本(样本均匀分布)的问题。与大多数现有的研究不同,我们假设样本是可交换依赖的。我们考虑了在圆上形成均匀样本的样本间距的一类归一化无穷可分分布。为了检验均匀性,我们研究了基于样本间距的检验(柯伊伯检验),并计算检验统计量的渐近零分布为标度Kolmogorov分布。我们将此程序应用于我们的实验数据,并证明白蚁的群集行为。 广义von-Mises分布双峰性的贝叶斯推断 https://zbmath.org/1485.62065 2022-06-24T15:10:38.853281Z “加托,里卡多” https://zbmath.org/authors/?q=ai:gatto.riccardo “萨尔瓦多,萨拉” https://zbmath.org/authors/?q=ai:salvaldor.sara 摘要:本文介绍了平面方向上广义von Mises(GvM)分布的双峰性的贝叶斯推断[\textti{R.Gatto}和\texdit{S.R.jammamadaka},Stat.Methodol.4,No.3,341--353(2007;Zbl 1248.62012)]。GvM分布是一个灵活的模型,可以是轴对称或不对称,单峰或双峰。分析了两种推理方法。首先对双峰性的零假设进行检验,得到Bayes因子。第二种方法为与双峰性相关的两个参数提供了一个二维最高后验密度(HPD)可信集。在识别与双峰性相关的二维参数区域的基础上,在该区域包含HPD可信集,可以推断潜在GvM分布的双峰性。Metropolis-Hastings算法的特殊实现允许计算Bayes因子和HPD可信集。montecarlo研究表明,无论何时在双峰GvM下生成样本,Bayes因子和HPD可信集确实明确地证实了潜在的双峰性。 对称正定矩阵上的非参数矩阵回归函数估计 https://zbmath.org/1485.62066 2022-06-24T15:10:38.853281Z “Bak,Kwan Young” https://zbmath.org/authors/?q=ai:bak.kwan-年轻 “金光瑞” https://zbmath.org/authors/?q=ai:kim.kwang-雷 “金,彼得·T。” https://zbmath.org/authors/?q=ai:kim.peter-t “顾,贾勇” https://zbmath.org/authors/?q=ai:koo.ja-勇 “公园,昌邑” https://zbmath.org/authors/?q=ai:park.changyi “朱洪图” https://zbmath.org/authors/?q=ai:zhu.hongtu 摘要:对称正定矩阵数据通常出现在计算机视觉和医学成像中,如扩散张量成像。本文的目的是发展一个给定协变量的对称正定矩阵回归函数的非参数估计方法。通过基于Cholesky分解得到一个合适的参数化方法,我们使得将单变量平滑方法应用于矩阵回归问题成为可能。参数化还保证了所提出的估计器在整个域上是对称正定的。我们采用Wishart对数似然和平滑技术,使用基本方法来定义我们的估计量。在一定的正则条件下,得到了该估计量的收敛速度。利用自然样条函数对所提出方法的有限样本性质进行了仿真研究。此外,我们给出了实际扩散张量成像数据的分析结果,其中使用在受试者大脑中沿纤维束连续位置测量的\(3乘以3\)对称正定矩阵来提供估计的分数各向异性。 关于Kronecker乘积方差协方差矩阵极大似然估计存在唯一性充要条件的注记 https://zbmath.org/1485.62067 2022-06-24T15:10:38.853281Z “杜蒂勒尔,皮埃尔” https://zbmath.org/authors/?q=ai:dutilleul.pierre 摘要:本文讨论了两个正定方差协方差矩阵Kronecker积的极大似然估计问题,重点讨论了ML估计存在唯一性的充要条件。对作者和其他人的近期和早期参考文献进行了详细审查。讨论包括计算方面,因为估计算法是在没有解析解的情况下使用的。因此会及时更新。 基于拉普拉斯矩阵的复杂网络集线器检测 https://zbmath.org/1485.62068 2022-06-24T15:10:38.853281Z “红,英熙” https://zbmath.org/authors/?q=ai:hong.younghee 张一洙 https://zbmath.org/authors/?q=ai:chang.iksoo “金,春拉克” https://zbmath.org/authors/?q=ai:kim.choongrak 摘要:利用拉普拉斯矩阵的特征向量给出了复杂网络中集线器的定义,并提出了一种检测集线器的方法。该定义提供了一个不同于经典度量的概念,如中心度或度。此外,建议使用scree图确定集线器数量的方法。给出了基于人工数据集和真实数据集的实例。 二元纵向数据相关矩阵的三角角参数化 https://zbmath.org/1485.62069 2022-06-24T15:10:38.853281Z “陆飞” https://zbmath.org/authors/?q=ai:lu.fei|卢。费。1 “薛,柳根” https://zbmath.org/authors/?q=ai:xue.liugen 王昭良 https://zbmath.org/authors/?q=ai:wang.zhaoliang 摘要:多元纵向数据在统计学家和从业人员的工作中经常遇到。由于多个响应之间的关联结构复杂,因此对协方差矩阵进行建模是一个挑战。为此,研究了几种有效的基于Cholesky分解的建模方法。然而,就我们所知,对多个反应之间的协变量结构的直接解释还没有得到很好的研究。本文提出了一种基于三角角参数化(TAP)的二维纵向数据相关矩阵的联合均值-方差相关建模方法。提出的无约束参数化能够自动消除相关矩阵的正定性约束,从而实现上述直接解释。另外,由于方差矩阵是对角的而不是块对角的,因此可以很容易地满足矩阵的正定性约束。用回归模型对所提出的分解项进行建模,得到回归参数的最大似然估计量。由此得到的估计量是一致的和渐近正态的。通过对杨树生长的模拟和研究,证明了该方法的有效性。 两个高维似然比检验在替代假设下的研究 https://zbmath.org/1485.62070 2022-06-24T15:10:38.853281Z “陈慧君” https://zbmath.org/authors/?q=ai:chen.huijun “江,铁锋” https://zbmath.org/authors/?q=ai:jiang.tiefeng 同时分析平方列联表中偏离全球边际同质性的程度和方向性的指标 https://zbmath.org/1485.62071 2022-06-24T15:10:38.853281Z “安藤,舒吉” https://zbmath.org/authors/?q=ai:ando.shuji 摘要:对于有序类别的平方列联表,提出了一种基于Kullback-Leibler信息(或Shannon熵)的指标,以衡量偏离全球边际同质性的程度。虽然存在两种最大的全局边缘不均匀性[即(1)所有观测值是否集中在表中左下角的三角形单元格中,还是(2)它们是否只集中在右上角的三角形单元格中],但现有的指标无法区分全局边缘不均匀性的两个方向。本研究提出了一个基于反余弦函数的方向性指数,以同时分析全球边缘同质性偏离的程度和方向性。拟议的指数将有助于比较几种表格与全球边际同质性的偏离程度。数值算例表明了该索引在两个数据集上的实用性,其中现有的索引值相同。我们通过将其应用于临床研究的实际数据来评估该指数的有用性,并认为该指数产生的结果比现有的指数更容易解释。 期望传播的因子图分解 https://zbmath.org/1485.62072 2022-06-24T15:10:38.853281Z “陈,威尔逊Y。” https://zbmath.org/authors/?q=ai:chen.wilson-是的 “魔杖,马特·P。” https://zbmath.org/authors/?q=ai:wand.matthew-p 摘要:期望传播是图形模型快速近似推理的一种通用方法。在推导和编码期望传播推理算法时,现有文献将模型分开处理。这是以重复类似的、冗长的代数步骤和减慢算法开发速度为代价的。我们将演示\textit{factor graph fragmentation}如何克服这一障碍。这涉及到在因子图方法上采用消息传递的方法来传播和识别因子图子图,我们称之为\textit{fragments},这是广泛的模型类所共有的。关键片段和它们对应的消息被编目,这意味着它们的代数不需要重复。这使得编码和高效的软件开发能够进行划分。 具有齐次和非齐次误差方差的高斯线性结构方程模型的可辨识性 https://zbmath.org/1485.62073 2022-06-24T15:10:38.853281Z “朴,群雄” https://zbmath.org/authors/?q=ai:park.gunwoong “金,永焕” https://zbmath.org/authors/?q=ai:kim.youngwhan 摘要:在这项工作中,我们考虑高斯线性结构方程模型(SEMs)的可辨识性假设,其中每个变量由其父项的线性函数加上正态分布误差确定。结果表明,当误差方差相同或已知时,线性高斯结构方程模型是完全可辨识的。因此,本文证明了具有均匀和非均匀未知误差方差的高斯自回归模型的可辨识性。我们新的可辨识性假设不仅利用误差方差,而且利用了边缘权值;因此,这是严格的温和比以往的工作,可识别的结果。基于我们的新假设,我们进一步提供了一个统计上一致且计算上可行的结构学习算法。该算法假设所有相关变量都被观测到,而不假设因果最小和信度。我们通过仿真和真实的多变量数据验证了我们的理论发现,并将我们的算法与最先进的PC、GES和GDS算法进行了比较。 高斯行列式过程:一种新的数据方向性模型 https://zbmath.org/1485.62074 2022-06-24T15:10:38.853281Z “戈什,苏布罗舍克” https://zbmath.org/authors/?q=ai:ghosh.subhroshekhar “里戈莱,菲利普” https://zbmath.org/authors/?q=ai:rigollet.philippe 摘要:行列式点过程(DPP)最近成为数据中负相关或排斥现象建模的流行工具。然而,对于这类模型,我们对经典参数统计理论的类似理解相当有限。在这项工作中,我们研究了一个高斯dpp的参数族,它在观测点上具有可解释的参数调制效应。我们证明了参数调制通过在斥力结构中引入方向性来影响观测点,并且主方向对应于最大(即最长距离)依赖的方向。这个模型很容易产生一个可行的替代主成分分析(PCA)作为一个维度缩减工具,有利于数据沿着哪个方向展开。这种方法上的贡献是由一个尖峰模型的统计分析来补充的,该模型类似于协方差矩阵作为研究主成分分析的框架。这些理论研究揭示了有趣的问题,进一步检查随机矩阵理论,随机几何,和相关的主题。 变量选择下多元函数数据的贝叶斯潜在因子回归 https://zbmath.org/1485.62075 2022-06-24T15:10:38.853281Z “不,希桑” https://zbmath.org/authors/?q=ai:noh.heesang “崔,泰荣” https://zbmath.org/authors/?q=ai:choi.taeryon “朴,金粟” https://zbmath.org/authors/?q=ai:park.jinsu “钟,延盛” https://zbmath.org/authors/?q=ai:chung.yeonseung 摘要:在生物医学研究中,经常会遇到多元函数数据。现有的函数数据分析方法大多集中在单变量函数数据上,而对多元函数数据的方法学研究较少。尤其是,研究多变量函数数据的协变量效应的问题很少受到关注。在这项研究中,我们提出一个全贝叶斯潜因子回归来研究多元函数资料的协变量效应。该模型通过样条函数的基展开和基系数的因子分析得到多元函数数据的低维表示。然后,将每个功能结果的潜在因素回归到协变量中,以解释多个结果之间的残余相关性。协变量效应的评估是基于每个协变量的边际包含概率,通过在回归系数之前分配随机搜索变量选择(SSVS)来计算后验概率。为了更好地控制错误发现率,我们提出了一个多元SSVS先验,允许一组系数同时为零。通过对中国13个城市大气污染数据的模拟研究和应用,说明了该方法的有效性。 大规模零群数据的自半监督聚类 https://zbmath.org/1485.62076 2022-06-24T15:10:38.853281Z “安,苏铉” https://zbmath.org/authors/?q=ai:ahn.soohyun “崔,贤元” https://zbmath.org/authors/?q=ai:choi.hyungwon “林,约翰” https://zbmath.org/authors/?q=ai:lim.johan “李,庆恩” https://zbmath.org/authors/?q=ai:lee.kyeongeun 摘要:在本文中,我们提出了一种新的自半监督聚类方法,它适用于具有大量零群的大规模数据。自半监督聚类是一个两阶段的过程:从第一阶段的数据中预选“null”组的一部分,然后对第二阶段中的其余数据应用半监督聚类,从而将它们分配给空组。我们通过模拟研究评估了该方法的性能,并在甲型流感病毒感染纵向研究的时间进程基因表达数据分析中演示了该方法。 谱聚类与随机块模型研究进展 https://zbmath.org/1485.62077 2022-06-24T15:10:38.853281Z “贝克,米娜” https://zbmath.org/authors/?q=ai:baek.mina “金,春拉克” https://zbmath.org/authors/?q=ai:kim.choongrak 摘要:聚类是分析无监督数据的重要统计工具。在众多的聚类算法中,基于网络和图的谱聚类和随机块模型被广泛应用于社区检测。本文回顾和讨论了谱聚类和随机块模型中的重要统计问题。 对树结构的依赖性测试 https://zbmath.org/1485.62078 2022-06-24T15:10:38.853281Z “贝尔,梅勒” https://zbmath.org/authors/?q=ai:behr.merle 安萨里,阿齐姆 https://zbmath.org/authors/?q=ai:ansari.m-阿齐姆 “福尔摩斯,克里斯” https://zbmath.org/authors/?q=ai:holmes.christopher-c 摘要:树型结构在基因组学和生物医学中普遍存在,它显示了样本之间的层次关系和潜在结构。在许多研究中,一个共同的问题是,在每个样本上测量的响应变量与由某个给定树表示的潜在群结构之间是否存在关联。目前,这是在一个特别的基础上解决的,通常需要用户决定一个适当数量的集群,以便根据响应变量进行测试。在这里,我们提出了一种统计方法,在统计上保证测试响应变量和固定树结构之间的关联性,同时考虑总体误报率。这增强了这些发现的稳健性和再现性。 作为诊断工具的数据模式识别 https://zbmath.org/1485.62079 2022-06-24T15:10:38.853281Z “卡皮奥,安娜” https://zbmath.org/authors/?q=ai:carpio.ana “西蒙,亚历杭德罗” https://zbmath.org/authors/?q=ai:simon.alejandro “托雷斯,艾丽西亚” https://zbmath.org/authors/?q=ai:torres.alicia “维拉,路易斯F。” https://zbmath.org/authors/?q=ai:villa.luis-f (无摘要) ROC优化支持向量机的正则化路径 https://zbmath.org/1485.62080 2022-06-24T15:10:38.853281Z “金,多云” https://zbmath.org/authors/?q=ai:kim.dohyun 申,承俊 https://zbmath.org/authors/?q=ai:shin.seungjun 摘要:\texdit{A.Rakotomamongy}[“用支持向量机优化roc曲线下的区域”,载:人工智能中的roc分析,第一届国际研讨会,ROCAI-2004。Schloss-Dagstuhl:Leibniz Institut Mathematik(2004)]提出了一种roc-SVM,它优化了接收器工作特性曲线(roc),特别适用于不平衡情况分类。在本文中,我们建立了ROC-SVM解的分段线性化作为正则化参数的函数,并开发了一种计算ROC-SVM整条正则化路径的有效算法。最后,我们开发了一个R包,\texttt{rocsvm.path},现在可以在CRAN中使用。 支持向量机的影响诊断 https://zbmath.org/1485.62081 2022-06-24T15:10:38.853281Z “金,善和” https://zbmath.org/authors/?q=ai:kim.sunwha “金,春拉克” https://zbmath.org/authors/?q=ai:kim.choongrak 摘要:支持向量机(SVM)是一种非常有效和流行的分类工具,但是它对异常值的不鲁棒性是一个关键的缺点。事实上,由于支持向量机得到的最优分离超平面完全由支持向量决定,因此它对异常值的敏感度更高。到目前为止,关于支持向量机异常值的研究都是通过指定鲁棒损失函数来最小化异常值的影响。在本文中,我们提出了一种基于删除法和无穷小扰动法的库克距离。此外,我们用基本的构建块(如剩余和杠杆)来表示库克的距离。此外,我们提出了一种简单的测度,既可以作为支持向量机诊断中的描述性统计,也可以作为高维库克距离无法计算时的近似测度。 基于多元正态混合的概率分类器贝叶斯组合 https://zbmath.org/1485.62082 2022-06-24T15:10:38.853281Z “皮尔斯,格雷戈” https://zbmath.org/authors/?q=ai:pirs.gregor “施特朗贝尔,埃里克” https://zbmath.org/authors/?q=ai:strumbelj.erik 摘要:集合方法是一种强大的工具,通常优于单个预测模型。现有的贝叶斯集合要么没有对信源之间的相关性进行建模,要么只能组合非概率预测。我们提出了一种新的模型,克服了这些缺点。用逆加性logistic变换将概率预测转化为多元正态混合模型。我们为这个模型推导了一个有效的Gibbs取样器,并实现了一个正则化方法,使之更具鲁棒性。我们将我们的方法与相关工作和经典的线性意见池进行了比较。对几个玩具和现实世界的数据集的实证评估,包括一个空气污染预测的案例,表明该方法优于其他方法,同时具有鲁棒性和易用性。 基于离散小波变换和视觉感知纹理特征的橄榄果批自动分割与分类 https://zbmath.org/1485.62083 2022-06-24T15:10:38.853281Z “纳沙特,艾哈迈德A” https://zbmath.org/authors/?q=ai:nashat.ahmed-a “哈桑,N.M.侯赛因” https://zbmath.org/authors/?q=ai:hassan.n-侯赛因 区间值数据的两个样本检验 https://zbmath.org/1485.62084 2022-06-24T15:10:38.853281Z “崔,贤” https://zbmath.org/authors/?q=ai:choi.hyejeong “林,约翰” https://zbmath.org/authors/?q=ai:lim.johan “玉,东铉” https://zbmath.org/authors/?q=ai:yu.donghyeon Kwak,Minjung https://zbmath.org/authors/?q=ai:kwak.minjung 摘要:讨论了两个区间值数据样本的比较方法。在区间值数据中,观测值具有区间形式,通常被视为上下界的二维向量。我们考虑了四种方法,其中两种是现有方法对二元数据的应用,另两种方法是基于区间值数据的边缘化(单变量分布表示)。我们对实际数据进行了全面的数值研究和分析,以了解四种方法的性能。 线性回归中的良性过拟合 https://zbmath.org/1485.62085 2022-06-24T15:10:38.853281Z “巴特利特,彼得L。” https://zbmath.org/authors/?q=ai:bartlett.peter-我 “长,菲利普·M。” https://zbmath.org/authors/?q=ai:long.philip-米 “齐格勒,亚历山大” https://zbmath.org/authors/?q=ai:tsigler.alexander 摘要:良性过度拟合现象是深度学习方法揭示的一个关键谜团:深层神经网络似乎可以很好地预测,即使对噪声训练数据进行完美拟合。基于这一现象,我们考虑线性回归中训练数据的完美拟合与精确预测的相容性。给出了最小范数插值预测规则具有近似最优预测精度的线性回归问题的一个刻画。特征化是根据数据协方差的有效秩的两个概念。结果表明,在这种情况下,过参数化是良性过拟合的必要条件:参数空间中对预测不重要的方向数必须大大超过样本量。通过研究数据协方差特性的例子,这些特性表明良性过拟合是必需的,我们发现了有限维数据的一个重要作用:当数据位于无限维空间中时,最小范数插值预测规则的精度接近于数据分布的更窄范围内的最佳可能精度增长速度快于样本大小。 基于FPCA和加权复合分位数回归的部分函数线性回归模型的稳健估计 https://zbmath.org/1485.62086 2022-06-24T15:10:38.853281Z “曹,彭” https://zbmath.org/authors/?q=ai:cao.peng “孙,君” https://zbmath.org/authors/?q=ai:sun.jun.1|太阳。六月日。6月2日 摘要:在本文中,我们考虑了一种新的偏函数线性回归模型的估计。采用函数主成分分析法分别估计斜率函数和函数预测变量。提出了一种基于主成分基函数逼近的加权复合分位数回归(WCQR)目标函数最小化的有效估计方法。由于所提出的WCQR包含一个权重向量,因此我们开发了一种基于数据驱动的最优权重选择的计算策略。在较温和的条件下,得到了WCQR方法的理论性质。仿真研究和实际数据分析说明了所得到的估计器的数值性能。 基于稀疏基选择的功能响应函数线性回归 https://zbmath.org/1485.62087 2022-06-24T15:10:38.853281Z “韩,京姬” https://zbmath.org/authors/?q=ai:han.kyunghee “申,惠进” https://zbmath.org/authors/?q=ai:shin.hyejin 摘要:我们研究了函数响应函数线性回归模型中的稀疏估计,其中二元回归系数函数在某一区域内取零值,因此它是由一组稀疏基函数生成的。从变量选择的角度,我们用惩罚最小二乘法构造了系数函数的稀疏基表示。该方法可以同时估计回归参数和选择基函数。对于给定的基,我们证明了我们的方法一致地识别基函数的真子集,并且得到的估计量与从真实基础模型中导出的oracle估计量具有渐近相同的性质。仿真研究和实际数据应用证明了该方法的有限样本性能。 对数凹分布的模态线性回归 https://zbmath.org/1485.62088 2022-06-24T15:10:38.853281Z “金,孙宇” https://zbmath.org/authors/?q=ai:kim.sunyul “搜索引擎优化,炳泰” https://zbmath.org/authors/?q=ai:seo.byungtae 摘要:由\texdit{W.Yao}和\texdit{L.Li}[Scan.J.Stat.41,No.3656--671(2014;Zbl 1309.62119)]提出的模态线性回归模型,将给定协变量向量\(\mathbf{z}\)作为\(\mathbf{z}\)的线性函数,对响应\(Y\)的条件模式进行建模。为了识别给定\(Y\)的条件模式(\mathbf{z}\),现有的方法利用核密度估计器来获得给定\(Y\)给定\(\mathbf{z}\)的分布。与其他基于核的方法一样,这些方法需要选择合适的调整参数,并且不存在估计回归参数的统一目标函数。在这篇文章中,我们提出了一个基于模型的模态线性回归模型。该方法不需要调整参数,可以构造一个显式的似然函数。为了用估计的对数凹密度估计回归参数,我们利用分段线性凹函数的对偶表示将对数似然化为仿射函数之和,从而可以采用众所周知的线性规划技术。仿真研究表明,与基于核的方法相比,该方法能产生更有效的估计器。最后,以一个实际数据为例说明了该方法的适用性。 超越亚高斯误差的贝叶斯高维半参数推理 https://zbmath.org/1485.62089 2022-06-24T15:10:38.853281Z “李,京嘉” https://zbmath.org/authors/?q=ai:lee.kyoungjae “蔡明宇” https://zbmath.org/authors/?q=ai:chae.minwoo “林,丽珍” https://zbmath.org/authors/?q=ai:lin.lizhen 摘要:在高维环境下,我们考虑一个对称误差未知的稀疏线性回归模型。假设真误差分布属于具有指数递减尾的局部\(\beta\)-Hölder类,不需要次高斯分布。我们得到了回归系数和误差密度的后验收敛速度,它们都是近似最优的,并且能适应未知的稀疏程度。此外,我们还得到了半参数Bernstein-von-Mises(BvM)定理来刻画回归系数的边际验后点的渐近形状。在真分数函数的次高斯假设下,回归系数的模型选择具有很强的一致性,最终证明了可信集的频率主观者的有效性。 具有无穷罚导数的凹惩罚估计的强预言性 https://zbmath.org/1485.62090 2022-06-24T15:10:38.853281Z “嗯,承哈” https://zbmath.org/authors/?q=ai:um.seungha “金,东信” https://zbmath.org/authors/?q=ai:kim.dongshin “李,桑金” https://zbmath.org/authors/?q=ai:lee.sangin 权相勋 https://zbmath.org/authors/?q=ai:kwon.sunghoon 摘要:研究了一类原点导数无穷的凹惩罚估计在高维线性回归模型中的强预言性。该类包括桥接和日志惩罚作为典型示例。众所周知,罚函数的无穷导数不是弱预言性的问题,而是阻止强预言性的问题。我们证明了类的强预言性在原点附近的光滑线性化是充分的。 线性回归模型中的后模型选择推理:综合评述 https://zbmath.org/1485.62091 2022-06-24T15:10:38.853281Z “张东亮” https://zbmath.org/authors/?q=ai:zhang.dongliang “哈利利,阿巴斯” https://zbmath.org/authors/?q=ai:khali.abbas “阿斯加里安,马苏德” https://zbmath.org/authors/?q=ai:asgharian.masoud 摘要:数据驱动模型选择后的统计推断研究可以追溯到\texit{T.C.Koopmans}[Econommetrica 17125--144(1949;Zbl 0032.29704)]。近三十年来对高维数据的现代模型选择方法的深入研究,使人们对模型选择之后的统计推断产生了兴趣。近年来,关于模型选择后的统计推断的文章激增,目前关于这一主题的文献相当丰富。我们的手稿旨在对线性回归模型中的后模型选择推理进行整体回顾,同时也将高维推理的观点纳入这些模型中。我们首先给出一个模拟例子,说明在模型选择之后进行有效统计推断的必要性。然后我们提供理论上的见解来解释例子中观察到的现象。这是通过文献调查回归参数估计量的选择后抽样分布和初始置信区间覆盖概率的性质。根据估计目标的两种类型,即基于总体的回归系数和基于投影的回归系数,我们对最近的不确定性评估方法进行了综述。我们还讨论了不同方法构造的置信区间的利弊。 平衡损失函数下控制James-Stein估计的minimax收缩估计的研究 https://zbmath.org/1485.62092 2022-06-24T15:10:38.853281Z “本哈莱德,阿布德卡德尔” https://zbmath.org/authors/?q=ai:benkhaled.abdelkader “哈姆道伊,阿布德努尔” https://zbmath.org/authors/?q=ai:hamdaoui.abdenour “施舍,瓦利德” https://zbmath.org/authors/?q=ai:almutiry.waleed “穆罕默德,阿尔沙拉尼” https://zbmath.org/authors/?q=ai:alshahrani.mohammed-米 “特贝切,麦基” https://zbmath.org/authors/?q=ai:terbeche.mekki 摘要:多元统计分析中最常见的挑战之一是估计平均参数。估计平均参数的一种著名方法是极大似然估计(MLE)。然而,在具有大维参数空间的情况下,极大似然估计变得低效。解决这个问题的一个流行的估计量是James-Stein估计量。因此,我们的目标是使用基于平衡损失函数的收缩方法来构造多元正态分布(MVN)平均参数的估计量,该分布在MLE和James-Stein估计量中都占主导地位。建立了两类收缩估计量,推广了James-Stein估计量。研究了它们对极大似然估计的控制性和最小极大性,以及它们对James-Stein估计的性能。通过仿真研究验证了所提估计器的有效性。 广义融合套索的一些性质及其在高维数据中的应用 https://zbmath.org/1485.62093 2022-06-24T15:10:38.853281Z “张,元帅” https://zbmath.org/authors/?q=ai:jang.woncheol “林,约翰” https://zbmath.org/authors/?q=ai:lim.johan “拉撒,妮可A” https://zbmath.org/authors/?q=ai:lazar.nicole-a “罗,姬梦” https://zbmath.org/authors/?q=ai:loh.ji-孟 “玉,东铉” https://zbmath.org/authors/?q=ai:yu.donghyeon 摘要:在具有高度相关预测因子的高维数据分析中,确定同质的变量子群可能是一项挑战。提出了一种广义融合套索同时选择相关变量并将其识别为预测聚类(分组性质)。本文研究了广义融合套索的性质。首先,我们给出了广义融合套索的几何解释,并讨论了它的持久性。其次,我们分析地证明了它的分组性质。第三,我们进行了全面的仿真研究,将我们提出的广义融合套索方法与现有的其他方法进行了比较,结果表明该方法在预测误差和简约性方面优于其他变量选择方法。我们描述了我们的方法在土壤科学和近红外光谱研究中的两个应用。这些具有巨大不同数据类型的示例展示了该方法的灵活性,特别是对于高维数据。 线性混合模型中的主成分回归和类预测 https://zbmath.org/1485.62094 2022-06-24T15:10:38.853281Z “厄兹凯尔,里文先生” https://zbmath.org/authors/?q=ai:ozkale.m-瑞文 “库兰,厄兹格” https://zbmath.org/authors/?q=ai:kuran.ozge 摘要:在本文中,我们提出了主成分回归和(r-k)类预测因子,它们结合了线性混合模型中岭回归和主成分回归的技术。我们证明了Henderson预测因子、岭预测因子和主成分回归预测因子是\(r-k)类预测因子的特例。研究了方差参数未知的假设,得到了方差参数的估计量。利用均方误差矩阵准则,得到了r-k类预报器优于这三类预报器的充要条件。此外,如果这些条件确实得到满足,我们建议进行测试。最后,通过实际数据分析和仿真研究来说明研究结果。 块对角协方差估计及其在灵敏度分析中的应用 https://zbmath.org/1485.62095 2022-06-24T15:10:38.853281Z “布罗托,巴普蒂斯特” https://zbmath.org/authors/?q=ai:broto.baptiste “巴乔克,弗朗索瓦” https://zbmath.org/authors/?q=ai:bachoc.francois “克劳维尔,劳拉” https://zbmath.org/authors/?q=ai:clouvel.laura “马丁内斯,让马克” https://zbmath.org/authors/?q=ai:martinez.jean-马克 参数有秩限制的GMANOVA-MANOVA模型的残差 https://zbmath.org/1485.62096 2022-06-24T15:10:38.853281Z “沃莫诺,费利克斯” https://zbmath.org/authors/?q=ai:wamono.felix “冯·罗森,迪特里希” https://zbmath.org/authors/?q=ai:von-罗森。迪特里希 “辛格尔,马丁” https://zbmath.org/authors/?q=ai:singull.martin 摘要:考虑了GMANOVA-MANOVA模型中平均参数具有秩限制的残差。主要目的是定义残差,用于评估降秩约束模型。我们将线性空间分解为四个子空间,因为它可以用于具有两个“轮廓”的扩展增长曲线模型。新的残差由这些子空间上的正交投影定义。讨论了如何使用新的残差来检验模型假设。 对数βRayleigh-Lomax回归模型 https://zbmath.org/1485.62097 2022-06-24T15:10:38.853281Z “巴德摩斯,诺菲乌·伊多乌” https://zbmath.org/authors/?q=ai:badmus.nofiu-伊多乌 “阿金,玛丽·伊多乌” https://zbmath.org/authors/?q=ai:akinyem.mary-伊多乌 “奥涅卡·乌巴卡,约瑟芬·尼纳玛卡” https://zbmath.org/authors/?q=ai:onyeka-乌巴卡。约瑟芬·尼纳玛卡 摘要:首次提出了一种基于扩展的Raleigh-Lomax分布对数的位置-尺度回归模型,该模型比经典的回归模型具有处理和建模任何生存数据的能力。考虑乳腺癌数据,采用极大似然法对模型参数进行估计。此外,利用残差的正态概率图来检测异常值并评估模型假设。我们用一个真实的数据集来说明新模型的性能,研究中考虑了它的一些子模型和经典模型。此外,我们执行统计学\textit{AIC}、\textit{BIC}和\textit{CAIC}来从研究中考虑的回归模型中选择最合适的模型。 关于gamma广义线性模型的拟合优度检验 https://zbmath.org/1485.62098 2022-06-24T15:10:38.853281Z “乔,宋吉” https://zbmath.org/authors/?q=ai:jo.seongil “李,明吉” https://zbmath.org/authors/?q=ai:lee.myeongjee “李,伍珠” https://zbmath.org/authors/?q=ai:lee.woojoo 摘要:在广义线性模型(GLMs)中,如果忽略了回归函数中的协变量,则会导致隐藏或未观察到的异质性。利用这一事实,我们发展了两个新的拟合优度检验gamma-GLMs。第一种方法是通过分数检验隐藏异质性的存在性,第二种方法是Hausman型规范检验来检测两种估计量之间的差异。除此之外,我们还揭示了gamma-GLMs偏差检验的不良行为,许多学者在实践中仍然使用这种方法。利用实际数据,我们演示了我们提出的方法的应用。 多项式响应纵向数据的惩罚广义估计方程法 https://zbmath.org/1485.62099 2022-06-24T15:10:38.853281Z “卡姆鲁扎曼,医学博士” https://zbmath.org/authors/?q=ai:kamruzzaman.md “权,奥兰” https://zbmath.org/authors/?q=ai:kwon.oran 朴泰成 https://zbmath.org/authors/?q=ai:park.taesung 摘要:在具有多项式响应的高维纵向数据中,协变量的数量总是远远大于受试者的数量,在对这些数据进行建模时,变量选择始终是一个重要问题。在本研究中,我们发展了多项式反应的惩罚广义估计方程,以同时辨识重要变数及估计其回归系数。结合Fisher评分算法和最小化最大化算法,采用迭代算法求解惩罚估计方程。我们使用一个惩罚项来正则化斜率部分,只是因为多项式模型中应该包含类别特定的截距项。我们进行了一个模拟研究,以研究该方法的性能,并用真实的数据集来验证其性能。 具有ARMA随机效应协方差矩阵的贝叶斯累积logit随机效应模型 https://zbmath.org/1485.62100 2022-06-24T15:10:38.853281Z “金,炯” https://zbmath.org/authors/?q=ai:kim.jiyeong “苏恩,因苏克” https://zbmath.org/authors/?q=ai:sohn.insuk “李,肯拜克” https://zbmath.org/authors/?q=ai:lee.keunbaik 摘要:为了分析纵向有序数据,研究者通常使用累积logit随机效应模型。在这些模型中,随机效应协方差矩阵被用来解释受试者的变化和重复结果的序列相关性。然而,由于协方差矩阵的高维性和正定性,协方差矩阵被假定为同构矩阵且受到限制。为了消除这些假设,提出了三种Cholesky分解方法来模拟随机效应协方差矩阵:修正Cholesky分解、移动平均Cholesky分解和自回归滑动平均分解。我们还使用这三个分解来模拟纵向有序数据的累积logit随机效应模型中的随机效应协方差矩阵。此外,本文还提出了贝叶斯方法来估计模型的参数,并用JAGS程序进行了马尔可夫链蒙特卡罗模拟。所提出的方法以肺癌资料为例加以说明。 h-似然法的研究进展及应用 https://zbmath.org/1485.62101 2022-06-24T15:10:38.853281Z “李,伍珠” https://zbmath.org/authors/?q=ai:lee.woojoo “哈,伊尔” https://zbmath.org/authors/?q=ai:ha.il-做 “不,马英色” https://zbmath.org/authors/?q=ai:noh.maengseok 李东焕 https://zbmath.org/authors/?q=ai:lee.donghwan “李,杨乔” https://zbmath.org/authors/?q=ai:lee.youngjo 小结:自从1994年Lee和Nelder在皇家统计学会的讨论会上介绍了h-似然理论以来,Lee和他的同事和学生研究了如何定义复杂统计模型的h-似然,并对其中不可观测和固定的未知参数进行推断。在本文中,我们回顾了几个重要的研究领域,重点介绍了h-似然方法的应用。本文综述了包括集群生存数据分析、脆弱性竞争风险模型、纵向和生存结果联合模型、稀疏高维多元分析、空间分析和多重检验等领域。 基于Bootstrap的二元多元回归模型拟合优度检验 https://zbmath.org/1485.62102 2022-06-24T15:10:38.853281Z “范·希尔,马雷克” https://zbmath.org/authors/?q=ai:van-脚跟。马雷克 “迪克塔,格哈德” https://zbmath.org/authors/?q=ai:dikta.gerhard “布雷克斯,罗尔” https://zbmath.org/authors/?q=ai:braekers.roel 摘要:我们考虑了一个二元多元回归模型,其中一个二元变量的条件期望属于一个参数族。在此基础上,提出了一种基于模型的高维输入变量引导方法。这个测试可以用来检查一系列独立的、相同分布的观测值是否属于这样一个参数族。该方法基于经验残差过程[Ann.Stat.25,No.21613--641(1997;Zbl 0926.62035)]。与\texdit{W.Stute}和\texdit{L.-X.Zhu}的方法不同[Scand.J.Stat.29,No.3,535--545(2002;Zbl 1035.62073)]相比,不需要进行转换。因此,避免了与非参数回归估计相关的任何问题。因此,MBB方法对于用户来说更容易实现。为了说明基于MBB的测试的威力,我们进行了一个小型的仿真研究。与Stute和Zhu[loc.cit.]的方法相比,仿真结果表明基于MBB的方法的能力略有提高。最后,将这两种方法应用于实际数据集。 基于copula熵的变量选择 https://zbmath.org/1485.62103 2022-06-24T15:10:38.853281Z “妈,建” https://zbmath.org/authors/?q=ai:ma.jian 摘要:变量选择对于机器学习和统计应用中的分类和回归任务具有重要意义,因为这些任务既需要可预测性又需要可解释性。提出了一种基于Copula熵(CE)的变量选择方法,该方法利用基于CE的秩来选择变量。该方法既无模型又无需调整。对UCI心脏病数据进行了与传统变量选择方法,如距离相关、Hilbert-Schmidt独立性准则、逐步选择、正则化广义线性模型和自适应套索等的比较实验。实验结果表明,与传统方法相比,基于CE的方法可以更有效地选择出“正确”的变量,并获得更好的解释结果,而不会牺牲精度性能。基于CE的变量选择方法有助于建立更具解释性的模型。 局部D-最优设计的超额与同态变换 https://zbmath.org/1485.62104 2022-06-24T15:10:38.853281Z “格里戈耶夫,尤里·德米特里耶维奇” https://zbmath.org/authors/?q=ai:grigorev.yurii-德米特里耶维奇 “梅拉斯,维亚切斯拉夫·鲍里索维奇” https://zbmath.org/authors/?q=ai:melas.viatcheslav-b “什皮列夫,Pëtr Valer'evich” https://zbmath.org/authors/?q=ai:shpilev.petr-瓦列维奇 摘要:研究了在回归模型参数固定的情况下,同质性对最优设计支持点个数的影响。研究了分析化学中的二维非线性参数模型。结果表明,在一定条件下,最优设计支撑点的数目必须大于或等于参数个数。显式地构造了支撑点数目最少的优化设计。使用了一些数值方法来构造具有更多点数的设计(我们建议称之为\texit{excess}designs)。 线性模型参数估计协方差最小化的最优设计 https://zbmath.org/1485.62105 2022-06-24T15:10:38.853281Z “曼达尔,S” https://zbmath.org/authors/?q=ai:mandal.sudin|曼达尔。苏特里克|曼达尔。山塔努|曼达尔。萨扬·曼达尔。苏普里亚·曼达尔。苏吉特·曼达尔。萨普塔什|曼达尔。subhendu bikash |曼达尔。索门曼达尔。桑杰·库马尔·曼达尔。subhro jyoti | mandal。苏拉夫-k |曼德尔。subhayan |曼德勒。桑迪普·曼达尔。萨米兰曼德尔。sayantan |曼德尔。索玛·曼达尔。shubhadeep |曼德尔。桑托什·库马尔·曼达尔。悉达多·曼达尔。苏迪普托|曼达尔。斯瓦加塔|曼达尔。斯瓦鲁普|曼达尔。苏门德拉纳特|曼德尔。sayanta |曼德尔。索厄姆·曼达尔。斯瓦伦杜曼达尔。苏索班|曼达尔。萨吉布·曼达尔。桑吉布·库马尔·曼达尔。什亚玛帕达|曼达尔。塞哈尔曼达尔。锡克塔·曼达尔。希亚马尔·库马尔·达斯·曼达尔。索尼娅·曼达尔。subhrangsu |曼德勒。萨罗杰·曼达尔。索米亚吉特|曼达尔。苏米克·曼达尔。萨米尔·奇曼达尔。苏丹苏-s |曼达尔。sudhindu bikash |曼达尔。索姆纳特·曼达尔。s-p |曼达尔。shobhan |曼德尔。萨蒂娅·曼达尔。satyanarayan |曼德尔。斯瓦潘|曼达尔。seikh hannan | mandal先生。桑乔伊 “托斯尼,B。” https://zbmath.org/authors/?q=ai:torsney.ben|托斯尼。伯恩哈德|托尔斯尼。伯纳德 “乔杜里,M。” https://zbmath.org/authors/?q=ai:chowdhury.mohammad-s-r |乔杜里。米塔利·罗伊|乔杜里。曼尼莎·乔杜里。穆吉布尔·拉赫曼|乔杜里。梅纳克·乔杜里。md-m-k |乔杜里。穆罕默德·阿萨杜扎曼|乔杜里。曼苏尔·乔杜里。梅特拉伊|乔杜里。穆尼伯·拉赫曼·乔杜里。马布伯-r |乔杜里。乔杜里。马鲁福|乔杜里。穆斯塔法·卡迈勒·乔杜里。穆罕默德拉希姆乔杜里。马希丁·乔杜里。穆罕默德乔杜里。乔杜里。马苏德-h |乔杜里。马什鲁尔-a |乔杜里。索利穆尔·乔杜里医生。莫希德乌乔杜里。穆罕默德·齐奥·伊斯兰 摘要:我们构造线性模型参数(或参数的线性函数)的最小二乘估计量之间的绝对协方差最小的近似最优设计,从而使相关参数估计量近似不相关。特别地,我们首先考虑两个线性组合之间协方差的情况。我们还考虑两个这样的协方差的情况。为此,我们首先建立了一个复合优化问题,将其转化为同时使设计权重的两个函数最大化之一。给出了一个一般回归模型的方法,并通过实例进行了探讨,其中包括化学中出现的一个实际问题。 正则分式析因设计中混叠成分数模式的若干性质 https://zbmath.org/1485.62106 2022-06-24T15:10:38.853281Z “李,志” https://zbmath.org/authors/?q=ai:li.zhi|李。智。1 “李志明” https://zbmath.org/authors/?q=ai:li.zhiming 摘要:一般最小低阶混杂和最小像差是选择(s)级最优正则分式析因设计的两个重要准则。它们的分类分别基于别名成分数和字长模式。本文主要研究了s级正则设计中混叠元件数模式的一些性质。在\(s\)级的情况下,我们得到了字长模式的元素可以表示为一系列的混叠元件数的函数。它揭示了混淆成分数与字长模式之间的关系。另一方面,我们可以根据字长模式来计算一些混叠元件编号。此外,还给出了两级设计中一些混叠元件数的计算公式。 组合试验的尺寸精度 https://zbmath.org/1485.62107 2022-06-24T15:10:38.853281Z “劳埃德,克里斯J。” https://zbmath.org/authors/?q=ai:lloyd.chris-j 摘要:适应性临床试验通常包括几个独立的阶段。每个阶段的\(P\)-值是通过一个所谓的组合函数来合成的,该函数确保如果阶段测试有效,则整个测试将是有效的。然而,在实践中,使用了近似和可能无效的阶段测试。本文研究了阶段性测试的缺陷是如何渗透到组合测试中的。证明了一些一般性的结果,包括一些离散模型的结果。给出了将组合尺寸精度与构件尺寸精度直接联系起来的近似公式。在更广泛的适应性临床试验背景下,主要结论是,所使用的基本测试应在标称尺寸下精确,既比标称期望尺寸大得多,也小得多。对于二进制结果,这意味着应该使用参数引导。 基于Thompson抽样的欺骗环境在线随机搜索及其在寻根问题中的应用 https://zbmath.org/1485.62108 2022-06-24T15:10:38.853281Z “格莱斯达尔,桑德尔” https://zbmath.org/authors/?q=ai:glimsdal.sondre “格兰莫,奥利·克里斯托弗” https://zbmath.org/authors/?q=ai:granmo.ole-克里斯托弗 摘要:多武装强盗问题是通过一个简单而有效的机制来解决大量在线随机优化问题的基础。一个人把问题简单地说成是一个赌徒,他不断地从老虎机的手臂上拔出一个,从而得到随机的奖励。然后,通过仔细平衡奖励探索与奖励利用之间的关系,将报酬概率的学习与报酬最大化相结合。在本文中,我们讨论了一个特别有趣的多武装匪徒问题,称为随机点定位(SPL)问题。赌徒在这里只被告知最佳手臂(点)是位于被拉手臂的“左”还是“右”,反馈错误,概率为\(1-\pi\)。因此,这个公式的目标是在连续动作空间中同时使用\textit{informative}和\textit{欺骗}反馈的优化。为了解决这类问题,我们提出了一种紧凑的、可伸缩的贝叶斯方法解空间的表示同时捕捉最佳手臂的位置以及接收正确反馈的概率。我们进一步介绍了随附的汤普森抽样引导随机点定位(TS-SPL)方案,以平衡勘探与开采。通过学习\(\pi\),TS-SPL还支持与最佳手臂方向有关的\textit{欺骗}环境。这反过来又允许我们解决基本的随机寻根(SRF)问题。实验结果表明,我们的方案可以同时处理欺骗和信息环境,显著优于SRF和SPL的竞争算法。 基尼指数的最小风险点估计 https://zbmath.org/1485.62109 2022-06-24T15:10:38.853281Z “德,希亚马尔K。” https://zbmath.org/authors/?q=ai:de.shyamal-克里希纳 “闲聊,巴嘎” https://zbmath.org/authors/?q=ai:chattopadhyay.bhargab 摘要:本文提出了一种估计基尼指数的理论和方法,使得抽样成本和估计误差都最小。预先确定样本量的方法不能同时最小化估计误差和抽样成本。在本文中,我们提出了一个纯序列过程,它提供了一个估计样本量所需的足够小的估计误差和较低的抽样成本。在不假设数据具体分布的情况下,研究了纯序列过程的特征,并证明了渐近最优性。通过大量的仿真研究,验证了该方法的性能。 抗长程相关的分段多项式趋势 https://zbmath.org/1485.62110 2022-06-24T15:10:38.853281Z “白,长荣” https://zbmath.org/authors/?q=ai:baek.changryong 摘要:研究了一种区分由短程相关叠加而成的分段多项式趋势与长程相关的序贯检验程序。该方法基于去除分段多项式趋势的残差序列中的长程相关参数的局部Whittle估计。所有的结果都得到了理论上的证明,蒙特卡罗模拟表明,我们的方法具有良好的尺寸,并提供了抗长程依赖的合理功率。以北半球历史气温资料为例说明了该方法的有效性。 “检测可能的频繁变化点:野生二值分割2和最速下降模型选择”的讨论 https://zbmath.org/1485.62111 2022-06-24T15:10:38.853281Z “班纳吉,蒙纳特” https://zbmath.org/authors/?q=ai:banerjee.moulinath 讨论[\texdit{P.Fryzlewicz},J.Korean Stat.Soc.49,No.4,1027--1070(2020;Zbl 1485.62116)]。 二元循环长记忆时间序列的非参数回归 https://zbmath.org/1485.62112 2022-06-24T15:10:38.853281Z “伯兰,简” https://zbmath.org/authors/?q=ai:beran.jan “斯特芬,布里塔” https://zbmath.org/authors/?q=ai:steffens.britta “戈什,苏查丽塔” https://zbmath.org/authors/?q=ai:ghosh.sucharita 摘要:考虑具有长程相关的二元循环时间序列的非参数回归。给出了循环Nadaraya-Watson估计的渐近结果。由于长程相关,可以找到一个渐近最优带宽范围,其中渐近收敛速度不依赖于带宽。结果可用于获得回归函数的简单置信区间。通过对风向数据的应用,说明了该方法的有效性。 “检测可能的频繁变化点:野生二值分割2和最速下降模型选择”的讨论 https://zbmath.org/1485.62113 2022-06-24T15:10:38.853281Z “秋,海兰” https://zbmath.org/authors/?q=ai:cho.haeran “科奇,克劳迪娅” https://zbmath.org/authors/?q=ai:kirch.claudia 小结:我们祝贺作者这篇有趣的论文,它介绍了一种新的数据分割方法,在经典的变化点设置和频繁的跳跃情况下都能很好地工作。最值得注意的是,本文介绍了一种新的模型选择步骤,该步骤基于找到“最陡下降到低水平”(SDLL)。由于新的模型选择需要一个完整的(或至少是相对深入的)解路径,根据某种重要性度量对变化点候选者进行排序,因此,一个名为WBS2的Wild Binary Segmentation[\texit{P.Fryzlewicz},Ann.Stat.42,No.6,2243--2281(2014;Zbl 1302.62075)]命名为WBS2,已经被推荐为候选代名词。讨论[\texdit{P.Fryzlewicz},J.Korean Stat.Soc.49,No.4,1027--1070(2020;Zbl 1485.62116)]。 一种检测具有季节效应的非平稳时间序列渐变的新方法 https://zbmath.org/1485.62114 2022-06-24T15:10:38.853281Z “崔,桂宾” https://zbmath.org/authors/?q=ai:choi.guebin 摘要:本文提出了一种新的检测时间序列渐变性的方法。该方法的关键是通过两阶段过程来表达期望的时变特征,同时去除季节效应中不需要的时变特征。研究了这些方法的渐近性质,并给出了仿真结果。此外,还研究了具有多重变化的模型。此外,为了验证该方法的有效性,本文以韩国赴日旅游人数为例进行了实证分析。 基于自规范化方法的通用面板断裂试验 https://zbmath.org/1485.62115 2022-06-24T15:10:38.853281Z “崔吉恩” https://zbmath.org/authors/?q=ai:choi.jieun 申东湾 https://zbmath.org/authors/?q=ai:shin.dongwan 小结:基于自规范化方法,我们提出了一种新的面板数据集参数如均值、方差、分位数等的中断检验方法。自规范化检验显示出比现有检验更好的尺寸,解决了序列相关、截面相关、条件异方差和/或(N)相对大于(T)的面板的过大问题,这在理论上通过无干扰参数限制零分布和非常稳定的有限样本量进行了实验证明。与现有的测试相比,该测试更容易实现,因为该测试不需要为长期方差估计选择带宽,并且计算非常简单。自规范化检验在金融股票收益率和已实现波动率上的应用表明,与忽略横截面相关性和数据集中其他明显特征的现有检验相比,更倾向于不存在均值和/或方差的断裂。 检测可能的频繁变化点:野生二值分割2和最速下降模型选择 https://zbmath.org/1485.62116 2022-06-24T15:10:38.853281Z “弗莱兹莱维奇,皮奥特” https://zbmath.org/authors/?q=ai:fryzlewicz.piotr 摘要:许多现有的用于检测数据序列中多个变更点的过程在频繁的变更点场景中失败。本文提出了一种新的变化点检测方法,该方法可以在不频繁和频繁的变化点设置下工作。它由两个组成部分组成:一个是“Wild Binary Segmentation 2”(WBS2),这是一个递归算法,用于产生我们称之为“完整”的变化点检测问题的解决路径,即一系列估计的嵌套模型,其中\(T\)是数据长度。另一个因素是一个新的模式选择程序,被称为“最速下降到低水平”(SDLL)。SDLL准则作用于WBS2解的路径上,与现有的许多变点问题的模型选择方法不同,它不是基于惩罚的,只使用阈值作为某种离散的二次检验。产生的WBS2。结合了这两个因素的SDLL过程被证明是一致的,并且在测试的频繁变化点场景中显著优于竞争对手。SDLL快速、易于编码,不需要选择window或span参数。 检测可能频繁的变化点:野生二值分割2和最陡下降模型选择——反驳 https://zbmath.org/1485.62117 2022-06-24T15:10:38.853281Z “弗莱兹莱维奇,皮奥特” https://zbmath.org/authors/?q=ai:fryzlewicz.piotr 摘要:许多现有的用于检测数据序列中多个变更点的过程在频繁的变更点场景中失败。本文提出了一种新的变化点检测方法,该方法可以在不频繁和频繁的变化点设置下工作。它由两个组成部分组成:一个是“Wild Binary Segmentation 2”(WBS2),这是一个递归算法,用于产生我们称之为“完整”的变化点检测问题的解决路径,即一系列估计的嵌套模型,其中\(T\)是数据长度。另一个因素是一个新的模式选择程序,被称为“最速下降到低水平”(SDLL)。SDLL准则作用于WBS2解的路径上,与现有的许多变点问题的模型选择方法不同,它不是基于惩罚的,只使用阈值作为某种离散的二次检验。产生的WBS2。结合了这两个因素的SDLL过程被证明是一致的,并且在测试的频繁变化点场景中显著优于竞争对手。SDLL快速、易于编码,不需要选择window或span参数。对作者论文[Zbl 1485.62111;Zbl 1485.62113;Zbl 1485.62122;Zbl 1485.62125;Zbl 1485.62128]的回应[J.Korean Stat.Soc.49,No.4,1027--1070(2020;Zbl 1485.62116)]。 固定效应时变系数面板数据模型协方差矩阵的检验 https://zbmath.org/1485.62118 2022-06-24T15:10:38.853281Z “胡玉萍” https://zbmath.org/authors/?q=ai:hu.yuping “凤,三英” https://zbmath.org/authors/?q=ai:feng.sanying “赵静” https://zbmath.org/authors/?q=ai:zhao.jing.1|赵。赵晶。静。3 |赵。静。2 摘要:本文提出了具有固定效应的非参数时变系数面板数据模型的球度和单位矩阵的零点检验。首先,基于局部线性平滑技术,得到未知系数函数和模型残差的估计量。其次,针对具有大量横截面单元和时间序列观测值的球度或单位矩阵检验,提出了适当的检验统计量。此外,基于随机矩阵理论推导了所提出的检验统计量的极限分布。最后,对所提出的测试统计量的有限样本性能进行了仿真研究,并对一个实际数据进行了分析。 Poisson自回归模型参数变化的鲁棒检验方法 https://zbmath.org/1485.62119 2022-06-24T15:10:38.853281Z “姜,吉原” https://zbmath.org/authors/?q=ai:kang.jiwon “宋,君墨” https://zbmath.org/authors/?q=ai:song.junmo 参数变化检验一直是时间序列分析中的一个重要问题。这一问题在整数值时间序列领域也得到了积极的探索,但在存在异常值的情况下的测试还没有得到广泛的研究。本研究考虑泊松自回归模型中参数变化的检验问题,特别是当观测值被异常值污染时。为了减少异常值对测试过程的影响,我们提出了一种基于密度幂散度的测试方法,该方法由\texdit{a.Basu}等人[Biometrika 85,No.3549--559(1998;Zbl 0926.62021)]引入,并导出其极限零分布。montecarlo仿真结果证明了该方法的有效性和较强的鲁棒性。 非高斯时间序列建模的条件独立性检测 https://zbmath.org/1485.62120 2022-06-24T15:10:38.853281Z “卡图曼尼,苏希什K。” https://zbmath.org/authors/?q=ai:kattumannil.sudheesh-库马尔 “马修,迪马特·C。” https://zbmath.org/authors/?q=ai:mathew.deemat-c “哈利什,G。” https://zbmath.org/authors/?q=ai:hareesh.g 摘要:基于熵的相关性度量被用来代替相关性来确定时间序列模型的滞后相关性。在这项研究中,我们探讨部分自信息函数(PAIF)的性质,以识别非线性和非高斯自回归模型的滞后依赖性。得到了自信息函数(AIF)和PAIF的非参数估计量,并研究了其渐近性质。提出了一种bootstrap算法来测试PAIF在不同滞后时间的显著性。最后,我们提出数值研究来说明AIF和PAIF在AR过程阶数辨识中的应用。 具有变点的不规则间隔数据的集合二值分割 https://zbmath.org/1485.62121 2022-06-24T15:10:38.853281Z “科卡斯,卡洛斯K” https://zbmath.org/authors/?q=ai:korkas.karolos-k 摘要:我们提出了一种新的方法来一致估计不规则间隔时间序列结构中变化点的数目和位置。分割过程的核心是集成二值分割方法(EBS),该方法将大量使用二值分割方法的多个变化点检测任务应用到不同长度数据的子样本上,然后将结果组合起来生成一个整体答案。我们不限制一个时间序列的变化点总数,因此,我们提出的方法在变化点间距较短的情况下可以很好地工作。我们主要的变化点检测统计量是时变自回归条件持续时间模型,我们在该模型上应用一个转换过程来对其进行去相关。为了检验EBS的性能,我们提供了一个针对各种场景的模拟研究。还提供了一致性的证明。我们的方法是在R包\texttt{eNchange}中实现的,可以从CRAN下载。 变点检测中的种子区间和噪声级估计:Fryzlewicz(2020)的讨论 https://zbmath.org/1485.62122 2022-06-24T15:10:38.853281Z “科瓦茨,索尔特” https://zbmath.org/authors/?q=ai:kovacs.solt “李,豪森” https://zbmath.org/authors/?q=ai:li.housen “伯尔曼,彼得” https://zbmath.org/authors/?q=ai:buhlmann.peter 摘要:本文从实用、统计和计算的角度比较了种子区间和随机区间在变点分割中的选择。此外,我们研究了一种新的噪声水平估计器,它改进了许多现有的模型选择程序(包括最陡的降到低电平),特别是对于具有低信噪比的频繁变化点情形。讨论[\texdit{P.Fryzlewicz},J.Korean Stat.Soc.49,No.4,1027--1070(2020;Zbl 1485.62116)]。 自回归模型中自适应套索的参数选择 https://zbmath.org/1485.62123 2022-06-24T15:10:38.853281Z 权相勋 https://zbmath.org/authors/?q=ai:kwon.sunghoon “李,桑金” https://zbmath.org/authors/?q=ai:lee.sangin “不,奥克扬” https://zbmath.org/authors/?q=ai:na.okyoung 摘要:研究了稀疏自回归模型的自适应最小绝对收缩选择算子(LASSO)。这里,AR模型的稀疏性意味着一些自回归系数恰好为零,这必须从AR模型中排除。本文提出了一种改进的贝叶斯信息准则(MBIC)作为自适应套索的最佳参数选择方法,该参数必须是自适应套索用于AR模型的最关键点。我们证明了通过最小化MBIC得到的自适应套索能够正确地将真自回归系数与零渐近地区分开来。当零和非零真自回归系数的个数发散到无穷大,且非零真自回归系数绝对值的最小值随着样本量的增大而减小。为验证理论结果,进行了少量的数值研究。 整值时间序列模型参数变化检验的新进展 https://zbmath.org/1485.62124 2022-06-24T15:10:38.853281Z “李,三叶” https://zbmath.org/authors/?q=ai:lee.sangyeol “金,炳洙” https://zbmath.org/authors/?q=ai:kim.byungsoo 摘要:在这项研究中,我们回顾了整数值时间序列模型的变点检验的最新进展,特别是整值自回归(INAR)和广义自回归条件异方差(INGARCH)模型的CUSUM检验。由于时间序列经常在底层模型中发生变化,因此在过去的几十年里,变化点检验一直是时间序列分析中的一个基本问题。我们首先在一般情况下引入CUSUM检验,然后在INAR和INGARCH模型中构造基于估计、分数向量和残差的CUSUM检验,并说明它们的极限零分布。最后,讨论了基于残差的平方和检验和基于密度幂散度的鲁棒变点检验。 短通信:检测可能频繁的变化点:野生二值分割2和最速下降模型选择 https://zbmath.org/1485.62125 2022-06-24T15:10:38.853281Z “隆德,罗伯特” https://zbmath.org/authors/?q=ai:lund.robert-b “史学衡” https://zbmath.org/authors/?q=ai:shi.xueheng 小结:本文对[\texdit{P.Fryzlewicz},Ann.Stat.42,No.6,2243--2281(2014;Zbl 1302.62075)]中新版本的野生二进制分割[J.Korean Stat.Soc.49,No.42027--1070(2020;Zbl 1485.62116)]。 因变量缺失的半参数变系数空间自回归模型的估计 https://zbmath.org/1485.62126 2022-06-24T15:10:38.853281Z “罗,国旺” https://zbmath.org/authors/?q=ai:luo.guowang “吴,米霞” https://zbmath.org/authors/?q=ai:wu.mixia “彭,真” https://zbmath.org/authors/?q=ai:pang.zhen 摘要:研究了随机缺失因变量的半参数变系数空间自回归模型的估计问题。提出了一种带插补的反向倾向评分加权筛分两阶段最小二乘(S-2SLS)估计。无论初始值是朴素的S-2SLS估计还是朴素的非线性最小二乘估计,所提出的估计量都是一致的,并得到了后者的渐近分布。通过仿真研究,研究了该估计器的性能。最后以波士顿房价的一组实际数据为例说明了该方法。 自回归模型中变点检测的经验似然法 https://zbmath.org/1485.62127 2022-06-24T15:10:38.853281Z “皮亚迪·伽马,拉玛达·D” https://zbmath.org/authors/?q=ai:piyadi-游戏。拉玛达-d “宁,卫” https://zbmath.org/authors/?q=ai:ning.wei 摘要:变点分析已成为许多应用领域的重要研究课题。已经开展了一些研究工作来检测时间序列数据中的变化及其位置。本文提出了一种基于经验似然的非参数方法来检测自回归(AR)模型参数的结构变化。在一定条件下,证明了经验似然比检验统计量的渐近零分布为Gumbel型。进一步验证了检验统计量的一致性。仿真结果表明,所提出的检验统计量的有效性是显著的。将该方法应用于大豆月平均销售数据,以进一步说明检验过程。 频繁或系统的变化?关于``检测可能频繁变化点:野生二值分割2和最陡下降模型选择'的讨论 https://zbmath.org/1485.62128 2022-06-24T15:10:38.853281Z “Seo,明焕” https://zbmath.org/authors/?q=ai:seo.myunghwan 摘要:我们讨论了{P.Fryzlewicz}提出WBS2的论文[J.Korean Stat.Soc.49,No.42027--1070(2020;Zbl 1485.62116)]。检测序列均值可能频繁变化的SDLL方法。我们的重点是与模型错误指定相关的潜在问题。我们给出了一些数值例子,例如自激阈值自回归和单位根过程,它们可以被混淆为一个频繁变化点模型。 季节协整的简单GLS方法 https://zbmath.org/1485.62129 2022-06-24T15:10:38.853281Z “宋,平昌” https://zbmath.org/authors/?q=ai:seong.byeongchan 小结:我介绍了一个简单的用于季节协整的广义最小二乘法,它使我们能够用标准误差估计季节向量误差修正模型,并确定季节协整等级。与最大似然法相比,该方法易于实现,因为所有的计算都是基于闭式表达式的。我进行蒙特卡罗实验来评估所提出的程序,并提出一个实证例子来说明该程序。 基于可逆跳变MCMC的gamma分布序列尺度参数多变化点检测 https://zbmath.org/1485.62130 2022-06-24T15:10:38.853281Z “谭,长春” https://zbmath.org/authors/?q=ai:tan.长春 “胡俊英” https://zbmath.org/authors/?q=ai:hu.junying “吴月华” https://zbmath.org/authors/?q=ai:wu.yuehua 摘要:本文讨论了独立伽马分布观测序列尺度参数的多变点问题。提出了一种可逆跳马尔可夫链蒙特卡罗(RJMCMC)算法来计算多个变化点的个数和位置的后验概率。设计了四种跳跃类型,并给出了每种类型的接受概率。仿真研究表明,基于RJMCMC的方法能有效地检测gamma分布序列中尺度参数的多个变化点,且优于基于自归一化的方法。此外,以上证综指收益率连续涨跌的实际数据为例,说明了该方法的有效性。 自回归条件持续时间模型的自加权分位数估计 https://zbmath.org/1485.62131 2022-06-24T15:10:38.853281Z “王,小陈” https://zbmath.org/authors/?q=ai:wang.xiaochen “宋玉萍” https://zbmath.org/authors/?q=ai:song.yuping 摘要:一个有效的市场往往在一定意义上与市场流动性有关。本文基于高频金融数据,采用自回归条件久期(ACD)模型对市场流动性进行建模和分析,以成交量久期作为衡量指标。针对高频金融数据的高峰值和重尾特性,构造了ACD模型中未知参数的自加权分位数回归(SQR)估计。证明了估计量的相合性和渐近性质。montecarlo仿真结果表明,采用数据驱动权的SQR估计比传统的分位数回归(QR)估计精度高。此外,随着离群值比例的增加,SQR估计的性能也会更好。平均偏差和均方误差分别降低到96.24%和91.83%。最后,通过对中国工商银行和中国平安银行股票的成交量久期的实证分析,说明了SQR方法。通过Akaike信息准则(AIC)和其他评价准则,不同分位数的SQR估计量都具有较好的性能。 GARCH模型的Laplace(1,1)拟极大似然估计 https://zbmath.org/1485.62132 2022-06-24T15:10:38.853281Z “萱,海燕” https://zbmath.org/authors/?q=ai:xuan.haiyan “宋立新” https://zbmath.org/authors/?q=ai:song.lixin “阿明,穆罕默德” https://zbmath.org/authors/?q=ai:amin.muhammad “史,永霞” https://zbmath.org/authors/?q=ai:shi.yongxia 摘要:研究了基于拉普拉斯残差的广义自回归条件异方差(GARCH)模型的拟极大似然估计(QMLE)。首先对具有拉普拉斯(1,1)的GARCH模型的参数向量提出了qml。在一定条件下,建立了qml的强相合性和渐近正态性。接下来,通过一个拉普拉斯分布和正态分布的实例对QMLE的性能进行了评价,并给出了一些性能比较结果。最后给出了一些定理的证明。 平稳短记忆时间序列模型的经验似然检验 https://zbmath.org/1485.62133 2022-06-24T15:10:38.853281Z “张秀珍” https://zbmath.org/authors/?q=ai:zhang.秀珍 “卢志平” https://zbmath.org/authors/?q=ai:lu.zhiping “李,梦可” https://zbmath.org/authors/?q=ai:li.mengke “张腾飞” https://zbmath.org/authors/?q=ai:zhang.tengfei “林,俊杰” https://zbmath.org/authors/?q=ai:lin.junjie 摘要:本文提出了短记忆时间序列模型参数假设检验的经验似然方法。在实际应用中,我们不仅要注意模型中所有参数的重要性,而且要注意模型中某些参数的重要性。因此,我们在这两种情况下构造了不同的检验统计量,它们都被证明渐近地遵循卡方分布。此外,我们的模拟研究了测试相关参数的幂函数,并验证了所提出测试程序的有效性。 基于轻度综合误差的趋势结构突变推断 https://zbmath.org/1485.62134 2022-06-24T15:10:38.853281Z “朱,徐” https://zbmath.org/authors/?q=ai:zhu.xu “彭,天晓” https://zbmath.org/authors/?q=ai:pang.tianxiao 摘要:在这篇论文中,我们研究了一个趋势回归器中断的回归模型,其中模型误差被假定为轻度整合。精确地说,我们假设模型误差是由自回归系数为\(\rho_T=1+{c}/{k}\)的AR(1)过程产生的,其中\(T\)是样本大小,\(c\)是一个负常数,并且\(\{k_T,T\ in\mathbb{N}\})是一系列正常数发散到无穷大的序列,使得\(k_T=o(T)\)。我们使用最小二乘法估计模型中的中断日期/中断分数和其他参数。研究了估计的渐近性质,包括一致性、收敛速度和极限分布。本文得到的结果与[\texdit{P.Perron}和\texdit{X.Zhu},J.Economo.129,No.1--2,65--119(2005;Zbl 1337.62238)]中估计趋势回归函数在\(I(0)\)和\(I(1)\)模型误差下的突变日期/破裂分数的研究结果。我们还证明了当\(kut\)与\(T^{1/2}\)具有相同数量级时,中断日期的最小二乘估计误差的相变发生了。蒙特卡罗模拟和实证研究说明了有限样本估计的性能。 非平稳随机场的非参数条件分位数估计 https://zbmath.org/1485.62135 2022-06-24T15:10:38.853281Z “Kanga,Serge Hippolyte Arnaud” https://zbmath.org/authors/?q=ai:kanga.serge-希波利特·阿诺 “希利,瓦格纳” https://zbmath.org/authors/?q=ai:hili.ouagnina “大伯娘,苏菲” https://zbmath.org/authors/?q=ai:dabo-娘。索菲 摘要:本文提出了一个实值非平稳空间过程的核条件分位数估计,以预测目标位于底层过程的非观测位置。创意是基于考虑到一些局部空间依赖性的能力。建立了基于估计量的几乎完全和(L^q)-一致性的大样本性质。为了说明我们方法的有效性,我们进行了数值研究。 基于幂先验方法的动态层次Dirichlet过程主题模型 https://zbmath.org/1485.62136 2022-06-24T15:10:38.853281Z 郑国焕 https://zbmath.org/authors/?q=ai:jeong.kuhwan “金,永岱” https://zbmath.org/authors/?q=ai:kim.yongdai 摘要:层次Dirichlet过程(HDP)主题模型是一个贝叶斯非参数模型,通过对每个单词的主题分配,为文档提供了灵活的混合成员关系。本文考虑生成模型随时间变化的动态HDP主题模型,并结合变分推理算法和功率先验方法,提出了一种动态更新后验分布的算法。该算法的一个重要优点是它可以重用给定的批处理算法来更新后验分布,而不需要指定复杂的动态生成模型。因此,所提出的算法在概念上和计算上都比较简单。通过对实际数据集的分析,表明该算法是一种有效的动态HDP主题识别方法。 区间截尾故障时间数据的统计分析 https://zbmath.org/1485.62137 2022-06-24T15:10:38.853281Z “杜,明月” https://zbmath.org/authors/?q=ai:du.mingyue “孙,建国” https://zbmath.org/authors/?q=ai:sun.jianguo 摘要:间隔截尾故障时间数据是一种一般类型的故障时间或事件发生时间数据,其中已知或观察到的故障时间仅位于某个间隔或窗口中,而不是被准确观察到。它们经常发生在许多领域,包括人口学研究、流行病学研究、医学或公共卫生研究和社会科学,而且形式各异。一个常见的和一般的设置,自然产生间隔审查数据是研究纵向或定期跟踪,如许多临床试验或观察研究。本文在简要讨论了研究背景和一些常用的模型之后,将回顾回归分析的几个重要课题(主要是近五年来)的一些最新进展,以及在区间截尾数据分析中需要进一步研究的问题。 基于加性危险模型的区间截尾数据回归分析新方法 https://zbmath.org/1485.62138 2022-06-24T15:10:38.853281Z “王,佩杰” https://zbmath.org/authors/?q=ai:wang.peijie “周,勇” https://zbmath.org/authors/?q=ai:zhou.yong.3 “孙,建国” https://zbmath.org/authors/?q=ai:sun.jianguo 摘要:加性风险模型是分析失效时间数据最常用的回归模型之一,特别是当人们对超额风险或风险差异感兴趣时。对于区间截尾数据(一种一般的失效时间数据)的回归分析,文献中已经提出了几种方法,但这些方法可能比较复杂或效率低下。针对这一点,我们提出了一种新的基于筛方法的最大似然估计方法,特别是提出了一种利用Poisson潜变量进行两阶段数据增广的EM算法。该方法易于实现,并给出了估计量的渐近性质。通过仿真研究,评估了该方法的性能,表明该方法在实际应用中效果良好。该方法还应用于一组来自艾滋病队列研究的间隔截尾数据。 指数分布截尾生存数据下的贝叶斯多变点估计 https://zbmath.org/1485.62139 2022-06-24T15:10:38.853281Z “金,杰熙” https://zbmath.org/authors/?q=ai:kim.jaehee-h “川,苏英” https://zbmath.org/authors/?q=ai:cheon.sooyeng “金,哲珍” https://zbmath.org/authors/?q=ai:jin.zhezhen 摘要:变点模型是生成模型,其中底层生成参数在不同时间点发生变化。利用截尾生存数据的信息先验,提出了一种求解未知多变化点危险变化问题的贝叶斯方法。对于指数分布,采用变点估计方法考虑分段常值风险。为了有效地计算后验分布,采用了随机逼近蒙特卡罗算法。通过仿真验证了该估计器的性能。作为一个实际的数据应用,本文提出的方法对白血病数据进行了分析,并与其他非贝叶斯方法进行了比较。 带截尾长度偏差数据的加性风险模型的估计方程 https://zbmath.org/1485.62140 2022-06-24T15:10:38.853281Z “吴洪平” https://zbmath.org/authors/?q=ai:wu.hongping “杜,采风” https://zbmath.org/authors/?q=ai:du.caifeng “李,小沙” https://zbmath.org/authors/?q=ai:li.xiaosha 小结:Aalen的附加危险模型在生存分析中起着非常重要的作用。本文研究了具有截尾长度偏差数据的加性风险模型中回归系数的估计问题。利用比例似然比模型的参数不变性和长度偏差数据的独特结构,我们提出了一个仅依赖截尾长度偏差数据的完全剩余寿命的成对伪似然估计方程。此外,还考虑了两个组合估计方程来估计协变量系数。证明了这些估计量是一致的和渐近正态的。为了在有限样本下评估所提出估计器的效能,我们进行了一些模拟。最后,给出了一个实际的数据实例。 评估有无失效数据的失效风险 https://zbmath.org/1485.62141 2022-06-24T15:10:38.853281Z “金,京美欧” https://zbmath.org/authors/?q=ai:kim.kyungmee-o 左明杰 https://zbmath.org/authors/?q=ai:zuo.mingjian 摘要:传统上,风险优先数(RPN)用于通过乘以发生率、检测和严重性因子来计算故障风险。现有的研究提出了多准则决策(MCDM)方法,认为将三个因素相乘得到RPN的关键特征是该方法的局限性。在本文中,我们首先证明,这三个因素的相乘不仅有助于基于改进成本和风险降低之间的权衡来评估失效风险,而且也有助于确定降低固定失效风险的适当措施,前提是故障数据可用于评估三者中的每一个因素。然后,我们开发了一种改进的方法,即使当每个因子都由专家评估时,也可以使用已建立的乘法运算。通过数值算例说明了改进后的方法在确定只有定性数据可用时降低系统风险的行动计划的有效性方面的优势。 生存分析中加速失效时间模型的对数指数分布及其应用 https://zbmath.org/1485.62142 2022-06-24T15:10:38.853281Z “奥洛森德,阿金路·阿德西” https://zbmath.org/authors/?q=ai:olosunde.akinlou-阿德西 “伊乔弗,奇迪玛” https://zbmath.org/authors/?q=ai:ejiofor.chidimma 摘要:我们提出对数指数功率密度函数作为加速失效时间模型(AFT)的基线分布,用于分析具有协变量的生存数据。由于尾部区域的灵活性,该模型推广了对数正态和一些指数族。它具有对数凹性,能容纳危险函数的四种基本形状,与其他不能容纳相同形状的分布相比,这是一种很有吸引力的性质。该模型与一些现有模型的拟合优度是用Ile Ife Obafemi Awolowo大学教学医院监测的慢性肝病患者的数据进行检验的。 已实现波动率的稀疏向量非均匀自回归建模 https://zbmath.org/1485.62143 2022-06-24T15:10:38.853281Z “白,长荣” https://zbmath.org/authors/?q=ai:baek.changryong “朴,明洙” https://zbmath.org/authors/?q=ai:park.minsu 摘要:我们提出了一个稀疏向量异质自回归(VHAR)模型来预测已实现的波动率。VHAR模型是异质自回归模型的一个多元扩展,它能以紧凑的方式考虑跨国公司股票波动的动态。利用自适应套索估计了稀疏VHAR,并给出了一些理论性质。在实际应用中,我们的稀疏VHAR模型可以提高预测性能,并明确显示股票市场之间的连通性。特别是,我们的实证分析表明,纳斯达克市场对2010年全球股市波动的影响最大。 含跳时变扩散模型基于高频数据的现货波动率非参数阈值估计 https://zbmath.org/1485.62144 2022-06-24T15:10:38.853281Z “蔡经纬” https://zbmath.org/authors/?q=ai:cai.jingwei “朱,全心” https://zbmath.org/authors/?q=ai:zhu.quanxin “陈平” https://zbmath.org/authors/?q=ai:chen.ping 摘要:构造了具有跳跃的时变扩散模型的现货波动率核估计量。在所提出的估计器中,我们使用了日内范围,而不是观察区间内惯用的日内收益率。由于范围代表了一个区间内所有观测值之间的最大差异,因此使用所有数据,并且不会丢失任何信息。通过设置一个合理的阈值并使其不大于阈值,可以有效地消除跳跃对波动率估计的负面影响。本文还证明了估计量的相合性和渐近正态性,并证明了其较高的精度。 极值理论在汽车保险理赔中的应用&以中国汽车保险为例 https://zbmath.org/1485.62145 2022-06-24T15:10:38.853281Z “迪亚瓦拉,达乌达” https://zbmath.org/authors/?q=ai:diawara.daouda “凯恩,拉吉” https://zbmath.org/authors/?q=ai:kane.ladji “邓贝尔,苏梅拉” https://zbmath.org/authors/?q=ai:dembele.soumaila “瞧,甘恩桑巴” https://zbmath.org/authors/?q=ai:lo.gane-桑巴 (无摘要) 复合相依离散风险模型的尾部渐近及数值模拟 https://zbmath.org/1485.62146 2022-06-24T15:10:38.853281Z “静,浩杰” https://zbmath.org/authors/?q=ai:jing.haojie “彭,姜岩” https://zbmath.org/authors/?q=ai:peng.jiangyan “姜,智泉” https://zbmath.org/authors/?q=ai:jiang.zhiquan 摘要:本文研究了一个具有复合依赖性的离散时间风险模型。保险公司的无风险和高风险投资导致了随机折现因子的任意相依性。假设索赔规模服从一个单边线性过程,具有成对渐进独立创新。创新和随机折现因子是相互独立的。我们假设创新不一定是分布相同的非负随机变量(F_1,F_2,\dots,F u n \)。当平均分布(\displayStylen^{-1}\sum{i=1}^nfu i\)为重尾分布时,我们对该离散时间风险模型的有限时间破产概率建立了一些渐近估计。我们通过一个粗略的蒙特卡罗模拟来证明我们得到的结果。 带冰柱的两种资产交替障碍期权定价及其变化 https://zbmath.org/1485.62147 2022-06-24T15:10:38.853281Z “李,杭萨克” https://zbmath.org/authors/?q=ai:lee.hangsuck “金,恩猜” https://zbmath.org/authors/?q=ai:kim.eunchae 宋承珠 https://zbmath.org/authors/?q=ai:song.seongjoo 摘要:本文介绍了一类新的障碍期权及其变体。我们称这类新的期权为两种资产交替屏障期权,因为我们考虑两种基础资产的交替屏障水平。在期权的生命周期的子周期内设置交替的势垒水平;每一项都适用于两项基础资产中的一项。我们也考虑屏障的垂直分支,称为冰柱。与冰柱交替出现的障碍通常被视为各种与股票挂钩的金融产品中的一种嵌入形式。在Black-Scholes模型下,我们得到了两个标的资产价格在中间时间点和到期日的联合分布及其局部极大值。这种联合分布在推导交替障碍期权及其变体的定价公式中起着至关重要的作用。与普通障碍期权一样,我们考虑了八类交替障碍期权,并推导了它们的显式期权定价公式。据我们所知,即使在Black-Scholes模型下,这些期权的定价公式在文献中也从未明确得到。我们还研究了一个可自动赎回的股票挂钩投资产品,以推导其明确的定价公式。通过数值算例说明了不同的壁垒水平和不同的相关系数对两种标的资产价格的影响。 乌干达议会养老金计划资产负债管理的随机规划方法 https://zbmath.org/1485.62148 2022-06-24T15:10:38.853281Z “穆卡拉齐,赫伯特” https://zbmath.org/authors/?q=ai:mukalazi.herbert “拉尔森,托尔比恩” https://zbmath.org/authors/?q=ai:larsson.torbjorn “Kasozi,Juma” https://zbmath.org/authors/?q=ai:kasozi.juma “马扬巴拉,弗雷德” https://zbmath.org/authors/?q=ai:mayambala.fred (无摘要) 基于脆弱性方法的定期保证数据分级 https://zbmath.org/1485.62149 2022-06-24T15:10:38.853281Z “就在这里,沃尔特·奥莫尼瓦” https://zbmath.org/authors/?q=ai:onchere.walter-奥莫尼瓦 “威克,帕特里克·古格” https://zbmath.org/authors/?q=ai:weke.patrick-古格 “奥蒂诺,约瑟夫·马科特库” https://zbmath.org/authors/?q=ai:ottieno.joseph-马科特库 “奥古图,卡罗琳·阿迪亚博” https://zbmath.org/authors/?q=ai:ogutu.carolyne-阿迪亚姆博 (无摘要) 基于长股票收益率序列的时变波动率估计及其应用 https://zbmath.org/1485.62150 2022-06-24T15:10:38.853281Z “王,姜堰” https://zbmath.org/authors/?q=ai:wang.jiangyan “林,金冠” https://zbmath.org/authors/?q=ai:lin.jinguan “陈旭兰” https://zbmath.org/authors/?q=ai:chen.xulan 摘要:股票市场的价格波动及其带来的收益率的变化引起了专家们的关注。在此背景下,本文重点研究了长期资产收益率序列的波动性变化,并将其应用于上证综合指数的分析中。由于最常用的GARCH模型在观察期较短时可用,且长期资产收益率序列的波动性往往具有长记忆性,因此本文提出了一种改进的时变GARCH模型。为了更好地适应波动率的变化,我们将波动率的方差分解为条件部分和无条件部分。通过合理的模型变换,条件方差遵循GARCH过程,而无条件方差随时间平滑变化,则采用非参数方法(B样条估计)进行估计。仿真研究表明,本文提出的模型能够较好地捕捉长期波动率的变化。为了验证所提出的估计方法,选取上证综指的日收益率序列进行实证分析。最后,我们发现:(i)本文提出的非参数估计方法性能良好。(二)无条件方差的变化与经济衰退有很强的相关性;(iii)时变GARCH模型的明显变化可以用非平稳成分的变化来解释。 韩元兑美元汇率对数收益率实现方差的预测股票交易时间和隔夜的跳跃 https://zbmath.org/1485.62151 2022-06-24T15:10:38.853281Z “云,苏茵” https://zbmath.org/authors/?q=ai:yun.sooin 申东湾 https://zbmath.org/authors/?q=ai:shin.dongwan 摘要:对于韩元-美元汇率对数收益率,连续跳跃分解既适用于韩国股票交易的营业时间实现方差(RV),也适用于非营业时间(即隔夜)的非韩国股票交易的RV。分析了业务时间跳跃和非业务时间跳跃的不同动力学。事实证明,与应用于全天RV的现有连续跳跃分解相比,该分解能够产生更好的汇率RV样本外预测。从KOSPI的RV到股票交易时间汇率RV和隔夜汇率RV的波动溢出,分析了不同的跳跃动态。 临床试验中的P-hacking和激励如何影响结果在各个阶段的分布 https://zbmath.org/1485.62152 2022-06-24T15:10:38.853281Z “阿达,杰罗姆” https://zbmath.org/authors/?q=ai:adda.jerome “德克,克里斯蒂安” https://zbmath.org/authors/?q=ai:decker.christian “奥塔维亚尼,马可” https://zbmath.org/authors/?q=ai:ottaviani.marco 小结:鉴于人类生命危在旦夕,临床研究应符合伦理和科学诚信的高标准。然而,经济激励可能会引起调查人员的利益冲突,他们可能倾向于隐瞒不利的结果,甚至篡改数据以达到预期的结果。为了阐明临床试验结果的完整性,本文系统地分析了临床试验报告给临床试验的第二阶段和第三阶段药物试验主要结果的P值分布。政府登记。首先,我们没有检测到超过统计显著性5%阈值的结果聚集。第二,密度不连续性测试显示,小型行业发起人的第三阶段结果在5%的阈值处出现上升。第三,我们记录了相较于第二阶段,第三阶段的显著结果所占比例更大。将不同阶段的试验联系起来,我们发现早期的有利结果增加了继续进入下一阶段的可能性。一旦我们考虑到这种选择性的延续,我们就可以几乎完全解释第三阶段由大型行业赞助商进行的试验结果过多的现象。相反,对于小企业赞助商来说,部分超额部分仍然无法解释。 基于两个平均值比值的毒性研究的逐步程序 https://zbmath.org/1485.62153 2022-06-24T15:10:38.853281Z “阿贾比,迈克尔·杰克逊” https://zbmath.org/authors/?q=ai:adjabui.michael-杰克逊 “阿瓦布,约翰·阿尤坎贝” https://zbmath.org/authors/?q=ai:awaab.john-阿尤坎贝 “迪奥格班,雅克佩里克” https://zbmath.org/authors/?q=ai:dioggban.jaxperik 摘要:本文提出了一种逐步置信集方法,用以在正态分布数据的方差异方差下识别化合物的等效性或安全性。药物安全性统计方法的问题是如何控制家族性错误率(FWER)。因此,我们构造了一个毒理学评估的置信集程序,并将分配原理与正态假设下方差异方差的情况结合起来。我们的模拟研究显示,随平均数比率的增加,变异数异质性的处理能力会增加。 竞争风险分析在公共卫生中的应用 https://zbmath.org/1485.62154 2022-06-24T15:10:38.853281Z “赵,玄雄” https://zbmath.org/authors/?q=ai:cho.hyunsoon “李,大海” https://zbmath.org/authors/?q=ai:lee.dahhay “李,桑姬” https://zbmath.org/authors/?q=ai:lee.sanghee “崔,桑卜” https://zbmath.org/authors/?q=ai:choi.sangbum 摘要:在医学和公共卫生研究中,生存率统计尤其令人感兴趣,因为它们可以反映病人的预后和医疗保健系统的改善。然而,生存衡量标准在使用和解释上各不相同,这取决于它们如何处理相互竞争的死亡原因。特定病因生存率根据感兴趣的事件估计生存函数,同时将其他事件视为截尾事件,从而表示癌症对生存的“净”影响。另一方面,累积发病函数和亚分布风险考虑了在其配方中经历竞争风险的受试者数量,从而为调查患者的实际预后提供了措施。本文综述了竞争风险生存模型在公共卫生研究中的应用。我们引入了竞争风险方法的概念,并将其与传统的网络方法(如相对和特定原因)进行了比较。我们利用监测、流行病学和最终结果(SEER)癌症登记数据,展示了竞争风险分析在基于人群的癌症生存分析中的应用。随着公共卫生研究的范围已经超出了预测和风险预测,竞争风险分析也被应用到这类研究中。我们进一步讨论了在个性化和精确医疗中采用竞争风险的方法。综述了具有竞争风险的风险预测预测模型的各种方法和应用,旨在为计划在公共卫生研究中实施竞争风险模型的研究人员提供有效的分析工具。 更正:“微生物组数据的贝叶斯模型,用于同时识别协变量关联和预测表型结果” https://zbmath.org/1485.62155 2022-06-24T15:10:38.853281Z “科斯洛夫斯基,马修·D。” https://zbmath.org/authors/?q=ai:koslovsky.matthew-d “霍夫曼,克里斯蒂L。” https://zbmath.org/authors/?q=ai:hoffman.kristi-我 “丹尼尔,卡丽R。” https://zbmath.org/authors/?q=ai:daniel.carrie-r “凡努奇,玛丽娜” https://zbmath.org/authors/?q=ai:vannucci.marina 文中:作者论文中使用粪便微生物数据得出的饮食协变量的边际后验概率图[同上,14,3号,1471-1492(2020;Zbl 1470.62159)](图3)已被更正,并以类似方式标记以供参考。原始图显示了口腔微生物组分析的结果(错误地复制了图2)。主要结果和结论手稿不变。 异方差下基于正态分布数据比值的最小有效剂量识别 https://zbmath.org/1485.62156 2022-06-24T15:10:38.853281Z “Kpeglo,伊曼纽尔·多齐” https://zbmath.org/authors/?q=ai:kpeglo.emmanuel-多兹 “阿贾比,迈克尔·杰克逊” https://zbmath.org/authors/?q=ai:adjabui.michael-杰克逊 “迪奥格班,雅克佩里克” https://zbmath.org/authors/?q=ai:dioggban.jaxperik 疗效与安全性研究在现代药物开发中具有重要的现实意义。它是评价食品添加剂或农药安全性、评价药品有效性和安全性的重要组成部分。在大多数不同的统计程序中,要求不同剂量水平之间的方差均匀性。本文在不需要多重性调整的情况下,针对正态分布数据,提出了一种基于总体均值比的逐步置信集方法来估计药物的最小有效剂量(MED)。该程序采用了{E.C.Fieller}方法[J.R.Stat.Soc.,Ser.B16175--185(1954;ZBL0057.35311)],并获得了鉴定MED的个体置信区间。该程序适用于由\texdit{S.J.Ruberg}[“用于确定最小有效剂量的对比”,J.Am.Stat.Assoc.84,No.4078816--822(1989;\url{doi:10.1080/01621459.1989.10478843})发表的实验数据,其中新化合物的效果是通过增加特定器官的重量来衡量的老鼠。仿真研究表明,该方法对家庭错误率(FWER)有很强的控制作用。随着均值比和样本量的增加,该方法的有效性增加。 基于不完全信息的截断似然法研究地层特异性缺失 https://zbmath.org/1485.62157 2022-06-24T15:10:38.853281Z Kwak,Minjung https://zbmath.org/authors/?q=ai:kwak.minjung 摘要:在许多病例对照遗传关联研究中,一种可能与疾病状态有共同遗传因素的次级表型可以被识别出来。然而,第二表型仅在病例受试者中观察到,但可作为疾病状态的替代标记物。由于成本和数据来源不同,当次要表型的信息仅对病例组可用时,拟合忽略补充表型数据的线性回归模型可能提供关于遗传关联的有限知识。本文结合现有的科学信息,即对照组缺失的次级表型值在一定范围内,并建立截断联合似然函数来估计模型中基因型和其他协变量的影响。通过数值研究来研究所提出方法的性能,并将该程序应用于遗传分析研讨会16提供的类风湿关节炎数据。 韩国SARS-CoV-2抗体的血清流行率 https://zbmath.org/1485.62158 2022-06-24T15:10:38.853281Z “李光民” https://zbmath.org/authors/?q=ai:lee.kwangmin “乔,宋吉” https://zbmath.org/authors/?q=ai:jo.seongil “李在勇” https://zbmath.org/authors/?q=ai:lee.jaeyong 摘要:2020年,韩国疾病控制和预防局报告了对韩国严重急性呼吸系统综合症冠状病毒2(SARS-CoV-2)抗体血清流行率的三轮调查。SARS-CoV-2是导致2019年冠状病毒病(COVID-19)的病毒。我们使用贝叶斯方法分析血清流行率调查,并对血清流行率参数和诊断测试的敏感性和特异性进行信息先验分布。我们利用从临床评估数据中得到的后验分布构造诊断试验的敏感性和特异性的信息先验。由已知的2019年冠状病毒确诊病例诱导的血清流行参数的约束可以自然地施加在所提出的贝叶斯模型中。我们还证明了基于Rao检验的血清流行率参数的置信区间可以是空集,而贝叶斯方法使得覆盖概率接近名义水平的区间估计量。截至2020年10月30日,估计的SARS-CoV-2阳性人口的95%可信区间不超过318685,约占韩国人口的0.62%。 用高斯函数混合模型从全国标准咬合研究中寻找标准牙弓形状 https://zbmath.org/1485.62159 2022-06-24T15:10:38.853281Z “李,庆恩” https://zbmath.org/authors/?q=ai:lee.kyeongeun “林,约翰” https://zbmath.org/authors/?q=ai:lim.johan “赢了,俊浩” https://zbmath.org/authors/?q=ai:won.joong-何 “李,成吉” https://zbmath.org/authors/?q=ai:lee.sungim “李,申宰” https://zbmath.org/authors/?q=ai:lee.shinjae 摘要:正畸医师有兴趣找到一套标准的弓型,用于临床正畸实践。本文提出了一种基于混合U形曲线的牙弓函数聚类方法。我们使用贝叶斯信息准则和基于给定失真函数的跳变准则来确定簇的数目(相当于混合分量)。我们应用我们的方法对1997年至2005年在韩国进行的全国标准咬合研究的牙弓数据进行聚类分析。数据由306名正常咬合受试者的牙弓组成,这些受试者来自15836名青年。我们还提供了该方法与其他现有方法的比较。 随机抽样提供了视觉工作记忆极限的统一解释 https://zbmath.org/1485.62160 2022-06-24T15:10:38.853281Z “斯内根,塞巴斯蒂安” https://zbmath.org/authors/?q=ai:schneegans.sebastian “泰勒,罗伯特” https://zbmath.org/authors/?q=ai:taylor.robert-a-m |泰勒。罗伯特-m-俊|泰勒。罗伯特·李·泰勒。罗伯特·勒罗伊|泰勒。罗伯特·泰勒。罗伯特w “贝斯,保罗·M。” https://zbmath.org/authors/?q=ai:bays.paul-米 摘要:对人类工作记忆极限的研究是由不同形式模型之间的竞争形成的,争论的焦点是内部表示是连续的还是离散的。在这里,我们描述了一种从神经编码原理衍生出来的抽样方法,作为理解工作记忆极限的框架。用这些术语重新认识现有的模型揭示了看似对立的账户之间的强大共性,但也让我们能够确定具体的差异点。我们表明,抽样的离散性与连续性对模型拟合不是至关重要的,但是,相反,样本计数的随机可变性是重现单个和整个报告任务中人员绩效的关键。对成功检索到的项目数的概率限制是随机抽样的一个紧急属性,不需要显式机制来强制执行。这些发现解决了之前的解释之间的差异,并为工作记忆建立了一个统一的计算框架,与神经原理相兼容。 水文预报的贝叶斯不确定性分解 https://zbmath.org/1485.62161 2022-06-24T15:10:38.853281Z “哦,伊桑” https://zbmath.org/authors/?q=ai:ohn.ilsang “金,成贤” https://zbmath.org/authors/?q=ai:kim.seonghyeon “Seo,承倍” https://zbmath.org/authors/?q=ai:seo.seung-贝姆 “金,年轻哦” https://zbmath.org/authors/?q=ai:kim.young-哦 “金,永岱” https://zbmath.org/authors/?q=ai:kim.yongdai 摘要:水文预测存在着相当大的不确定性,这是由水文预测的多个阶段引起的。不确定性分解分析评估了各阶段对水文预测总不确定性的贡献。虽然已经提出了一些不确定性分解方法,但仍存在一些局限性:(1)不考虑数据的非平稳性;(2)只使用预测数据的汇总统计,而不是完整的时间序列,缺乏选择汇总统计量的原则性方法。我们提出了一种新的贝叶斯不确定性分解方法来解决这类问题。此外,该方法提供了不确定性的概率陈述。我们将所提出的方法应用于位于韩国金河的永坝大坝流域的水流预测数据。 音乐表演风格比较的层次多维标度法 https://zbmath.org/1485.62162 2022-06-24T15:10:38.853281Z “燕琴科,安娜K。” https://zbmath.org/authors/?q=ai:yanchenko.anna-k “霍夫,彼得·D。” https://zbmath.org/authors/?q=ai:hoff.peter-d 摘要:量化音乐艺术家之间的风格差异是音乐界的学术兴趣所在,也可用于其他应用,如音乐信息检索和推荐系统。关于风格差异的信息可以通过比较不同艺术家在共同音乐作品中的表现来获得。在这篇文章中,我们发展了一个统计方法来识别和量化艺术家之间的系统风格差异,这些差异在一组音乐作品的录音中是一致的,就几个音乐特征而言。我们的重点是根据贝多芬九首交响乐的录音资料,对10个不同的管弦乐队进行比较。由于原始音频数据的生成或完全参数化模型可能非常复杂,并且比我们确定管弦乐队之间差异的目标更为复杂,因此我们建议根据录音的不同音乐特性,将一组音频记录中的数据缩减为管弦乐队之间的成对距离,比如节奏、力度和音色。对于每一个特征,我们得到了多个成对的距离矩阵,每个交响乐的每个乐章对应一个。我们发展了一个层级多维尺度(HMDS)模型来识别和量化乐团在这三个音乐特征方面的系统差异,并在已知的关于管弦乐队的定性信息的背景下解释结果。这种方法能够恢复管弦乐队之间的一些预期的系统相似性,以及确定一些更新颖的结果。例如,我们发现现代唱片与旧唱片相比,彼此表现出高度的相似性。 基于辅助变量的贝叶斯算法在不可忽略缺失反应数据下的项目反应理论模型估计中的应用 https://zbmath.org/1485.62163 2022-06-24T15:10:38.853281Z “张继伟” https://zbmath.org/authors/?q=ai:zhang.jiwei “张,招远” https://zbmath.org/authors/?q=ai:zhang.zhaoyuan “道,剑” https://zbmath.org/authors/?q=ai:tao.jian 摘要:在教育和心理评估中普遍存在缺失反应。如果不在不可忽略的缺失机制框架内对缺失响应进行适当的建模,统计推断将导致严重的偏差。本研究从参数估计和模型评估的角度,研究不同缺失机制(可忽略缺失和不可忽略缺失)模型是否适用于缺失响应数据的分析。此外,采用了一种基于辅助变量的高效贝叶斯抽样算法对复杂模型进行估计。通过与传统的边缘似然法和其他贝叶斯算法的比较,详细讨论了新算法的优点。基于后验分布的Markov链montecarlo样本,采用偏差信息准则(DIC)和伪对数似然(LPML)对不同的缺失机制模型进行比较。我们进行了四个模拟研究,并对PISA科学数据进行了详细的分析,以进一步说明所提出的方法。 某些效应量的统计推断 https://zbmath.org/1485.62164 2022-06-24T15:10:38.853281Z “赵军” https://zbmath.org/authors/?q=ai:zhao.jun.2|赵。赵军。6月1日 “辛,宋哲” https://zbmath.org/authors/?q=ai:sim.sung-丘尔 “金,玄月” https://zbmath.org/authors/?q=ai:kim.hyoung-月亮 摘要:在社会科学文章中报告效应大小的现象越来越普遍,并受到鼓励,特别是当涉及到研究和实验设计时。首先介绍了两种广泛应用的实验设计,即单元平均法和处理效果模型。然后,在这两个实验设计下,我们提出了探索效应大小的分布,如eta平方(\eta^2),omega平方(\omega^2)和Cohen的(f^2)。对于每个实验设计中的每一个效应大小,都发现分布或分布变换属于非中心β族。将分布结果与概率极限相结合,得到相应假设下效应大小的置信区间。基于导致均值和标准差的前两个分布矩,我们进行了一个模拟研究,以帮助更好地了解\(\eta^2\)在不同样本大小和组数下的行为。这为实验设计中选择样本和群体大小提供了参考。本文报告了一个心理学数据集的应用,以说明效果大小在实践中的表现。 关于放宽随机前沿模型的分布假设 https://zbmath.org/1485.62165 2022-06-24T15:10:38.853281Z “不,霍苏克” https://zbmath.org/authors/?q=ai:noh.hohsuk “范凯勒格姆,英格丽” https://zbmath.org/authors/?q=ai:van-凯勒格姆。英格丽德 摘要:随机前沿模型被认为是确定性前沿模型的一种替代方法,因为它将产出偏离生产前沿的偏差归因于测量误差和效率低下。然而,由于对测量误差分布的强假设以及正态半正态对或正态指数对等无效性的假设,这些优点往往会变得黯淡。由于测量误差的分布通常被认为是近似正态分布,因此我们在Kneip及其同事最近的工作基础上,展示了如何在低效率分布的宽松假设下估计各种随机前沿模型。我们用日本当地公立医院的数据来说明我们的方法的有效性。 具有协变量的时间序列中心子空间及其在美国南部松材伐木价格预测中的应用 https://zbmath.org/1485.62166 2022-06-24T15:10:38.853281Z “朴,金红” https://zbmath.org/authors/?q=ai:park.jin-洪 “胡德,哈里森B。” https://zbmath.org/authors/?q=ai:hood.harrison-b “斯里拉姆,T.N.” https://zbmath.org/authors/?q=ai:sriram.t-n 摘要:为了模拟和预测松木锯材(PST)的月伐木价格,收集了美国南部11个州的数据。,我们采用了一种新的半参数方法,第一阶段采用一种称为“带协变量的时间序列中心子空间”(TSCS-C)的非参数方法,通过一个单变量时间序列(\{d}\})来提取关于“y”的充分信息,它是一组过去的值\(yΒt\)和销售特征的高维协变量向量{{\mathbf{x}}}}u t\)的线性组合。然后,单独使用\({d})作为预测序列,建立了参数非线性时间序列模型。这就产生了一个新的半参数非线性时间序列模型。对PST立木月价格的样本外预测结果表明,与另一个没有{\mathbf{x}}}}t\)的半参数非线性时间序列模型和其他两个基于乘性的参数模型相比,具有最小的平均预测误差有无\({mathbf{x}}}}}t\)的季节自回归综合移动平均模型。这些数据强调了我们的半参数方法的能力,即首先使用TSCS-C非参数方法来显著地降低\({\mathbf{x}}}}}t\)的维数和一组过去的值\(yΒt\),然后生成一个优越的非线性时间序列模型。 机械压力机模型不确定度的实验优化设计 https://zbmath.org/1485.62167 2022-06-24T15:10:38.853281Z “勇敢,特里斯坦” https://zbmath.org/authors/?q=ai:gally.tristan-米 “格罗奇,彼得” https://zbmath.org/authors/?q=ai:groche.peter “霍普,弗洛里安” https://zbmath.org/authors/?q=ai:hoppe.florian “安雅,库蒂奇” https://zbmath.org/authors/?q=ai:kuttich.anja-凯瑟琳 “马泰,亚历山大” https://zbmath.org/authors/?q=ai:matei.alexander “普费茨,马克·E。” https://zbmath.org/authors/?q=ai:pfetsch.marc-e “拉科维奇,马丁” https://zbmath.org/authors/?q=ai:rakowitch.martin “乌尔布里希,斯特凡” https://zbmath.org/authors/?q=ai:ulbrich.stefan 摘要:在工程应用中,几乎所有的过程都是通过模型来描述的。尤其是成型机,在控制和状态监测方面严重依赖数学模型。这些机器在建模、制造和装配过程中的不精确会导致模型不确定性,从而影响控制器的性能。本文提出了一种通过参数辨识、实验优化设计和假设检验来识别模型不确定性的方法。实验装置以最佳的传感器位置为特征,使得特定的模型参数可以以最小方差确定。这允许计算置信域,其中实际参数或来自不同测试集的参数估计必须位于其中。我们声称,考虑到近似的置信椭球,估计参数值的不一致性不能用数据不确定性来解释,而是模型不确定性的指标。所提出的方法是使用三维伺服压力机的一个组件演示的,这是一个多技术成形机,将主轴与偏心伺服驱动相结合。 通过监测PLS载重量的位置和分散来选择光谱数据的变量 https://zbmath.org/1485.62168 2022-06-24T15:10:38.853281Z “迈穆德,塔希尔” https://zbmath.org/authors/?q=ai:mehmood.tahir “土耳其人,阿尔斯兰·穆尼尔” https://zbmath.org/authors/?q=ai:turk.arslan-穆尼尔 摘要:针对小样本的高维数据集对于大多数科学来说是必不可少的。变量选择有助于更好地预测现实生活中的现象。一种称为偏最小二乘法(PLS)的多元方法有可能对高维数据进行建模,其中样本量通常小于变量的数量。PLS\texit{T-PLS}中变量选择的截断被认为是一种参考方法。\textit{T-PLS}和许多其他公司只监控PLS装载重量的位置,以便进行变量选择。在当前的文章中,我们建议在高维光谱数据中同时监测PLS加载权重的位置和分散性,以便进行变量选择。所提出的PLS变体基于位置、分散、位置和分散以及至少对\textit{PLS}装载重量的位置或分散监控,并分别用\textit{X-PLS}、\textit{S-PLS}、\textit{X\&S-PLS}和\textti{X{S-PLS}表示。通过对模拟和真实数据集(包括基于光谱数据的玉米、牛奶和油含量预测)的100次运行的montecarlo模拟,将提出的PLS变体与标准PLS和\texdit{T-PLS}进行比较。\textit{X\&S-PLS}显示了在模拟数据中选择真实变量的最佳能力。经验证的RMSE比较表明,与其他方法相比,在预测玉米、牛奶和油的含量方面,\textti{X|S-PLS}优于其他方法。\textit{X\&S-PLS}选择最小数量的变量。有趣的是,与所有其他方法相比,由\texit{X\&S-PLS}选择的变量更加一致。因此\textit{X\&S-PLS}似乎是高维数据中变量选择的潜在候选。 复杂计算机模型Bayes线性仿真的变系数模型及设计选择 https://zbmath.org/1485.62169 2022-06-24T15:10:38.853281Z “威尔逊,艾米L。” https://zbmath.org/authors/?q=ai:wilson.amy-我 “戈尔茨坦,迈克尔” https://zbmath.org/authors/?q=ai:goldstein.michael-戈尔茨坦。迈克尔。1 |戈尔茨坦。迈克尔。2 “登特,克里斯·J。” https://zbmath.org/authors/?q=ai:dent.chris-j 法医学中的统计学考虑:综述 https://zbmath.org/1485.62170 2022-06-24T15:10:38.853281Z 郑,苏进 https://zbmath.org/authors/?q=ai:jeong.su-金 李孝正 https://zbmath.org/authors/?q=ai:lee.hyojung “李,宰元” https://zbmath.org/authors/?q=ai:lee.jaewon 摘要:DNA证据在法庭上的表现是通过计算其权重来评估的。如果证据由两个可能来自同一个人的简介组成,例如犯罪现场的DNA样本和犯罪嫌疑人的样本,或者在亲子鉴定案件中,一个来自被指控父亲和一个生父的样本,法医科学家必须评估证据的分量。这个权重用似然比表示,或者DNA证据来自被指控的父亲(或嫌疑人)的概率与来自另一个人的概率之比。在似然比中,证据来自另一个人的概率与相同程度的匹配被称为匹配概率。匹配概率取决于参考群体以及基因座内和位点间独立性的假设。由于基因座内的独立性假设忽略了依赖于群体结构的共基因效应,人们发展了一种解释DNA证据的统计方法,这些证据解释了共基因效应的存在,并将其纳入群体结构中。匹配概率还取决于嫌疑人和实际罪犯(或所谓的父亲和生父)之间的遗传关系。然而,在大多数情况下,匹配概率的计算是基于两个人没有亲属关系的假设,而计算似然比往往高估了DNA证据。为此,人们提出了评估遗传关系的替代方法。法医学的实践经历了一个快速变化的时期,这是由于DNA分析的戏剧性发展和DNA证据的统计评估的相关更复杂。DNA证据的法医学推断广泛应用于刑事调查、亲子关系诉讼、祖先分类案件以及死者遗体的鉴定。本文介绍了相关的统计概念,回顾了近年来发展起来的统计方法,并讨论了法医统计学中的一些实际问题。我们还提出了基于对祖先信息丰富的单核苷酸多态性标记进行祖先分类的统计方法,并描述了估计死后间隔的各种统计方法,在法医昆虫学研究中,它对于甄别犯罪嫌疑人、破获涉及个人死亡的犯罪案件起着非常重要的作用。 SportLight:体育亮点选择的统计原则众包方法 https://zbmath.org/1485.62171 2022-06-24T15:10:38.853281Z “郑,吉元” https://zbmath.org/authors/?q=ai:jung.jiwon “哈,西永” https://zbmath.org/authors/?q=ai:ha.seyong 儿子,赢了 https://zbmath.org/authors/?q=ai:son.won “李,俊焕” https://zbmath.org/authors/?q=ai:lee.joonhwan “赢了,俊浩” https://zbmath.org/authors/?q=ai:won.joong-何 小结:体育亮点的选择传统上需要专家的意见和视频编辑的体力劳动。为了使这项艰巨的任务自动化,众包观众的现场评论最近成为一种很有前途的工具,它可以减轻通过计算机视觉提取语义信息的负担。然而,基于峰值发现的流行众包方法对噪音非常敏感,可能会产生专家选择的偏差亮点。为了提高运动亮点自动选择的准确性,我们引入了一种统计上可靠的众包方法SportLight。在这项工作中,我们采用了一种结合多重假设检验和趋势滤波(fused lasso)的统计方法,并由一个计算成本低廉的算法支持。通过对2016年和2017年的29场棒球比赛的分析,我们证明了我们的方法可以适当地降低误报的风险,并且产生的结果比峰值查找法更接近专家选择的亮点。 科学影响的三个维度 https://zbmath.org/1485.62172 2022-06-24T15:10:38.853281Z “斯尤德姆,格里兹戈尔兹” https://zbmath.org/authors/?q=ai:siudem.grzegorz “Żogała-Siudem,芭芭拉” https://zbmath.org/authors/?q=ai:zogala-西德姆。芭芭拉 “加戈列夫斯基,马雷克” https://zbmath.org/authors/?q=ai:gagolewski.marek 摘要:文献计量索引(其最著名的例子是由\texdit{J.E.Hirsch}[Proc.Natl.Acad.Sci.USA 102,No.46,16569--16572(2005;Zbl 1355.01034)]日益流行的观点,与那些声称一个人的科学影响不能减少到一个数字的人相反。有些人甚至认为,我们复杂的现实无法接受任何定量的描述。我们认为这两个有争议的极端都不是真的。假设一些引文是按照“富而富”的规则分布的(成功孕育成功,优先依附),而另一些则完全随机分配(总而言之,一篇论文需要参考书目),我们精心设计了一个模型,仅用三个容易解释的参数精确地总结了引文记录:生产率、总影响和作者迄今为止的幸运程度。 随机集合Kalman反演的自适应Tikhonov策略 https://zbmath.org/1485.65069 2022-06-24T15:10:38.853281Z “韦斯曼,西蒙” https://zbmath.org/authors/?q=ai:weissmann.simon “查达,尼尔K。” https://zbmath.org/authors/?q=ai:chada.neil-k “席林,克劳迪娅” https://zbmath.org/authors/?q=ai:schillings.claudia “彤彤,新田” https://zbmath.org/authors/?q=ai:tong.xin-汤姆森 错误模型的统计有限元 https://zbmath.org/1485.65104 2022-06-24T15:10:38.853281Z “达芬,康纳” https://zbmath.org/authors/?q=ai:duffin.connor “克里普斯,爱德华” https://zbmath.org/authors/?q=ai:cripps.edward “吉罗拉米,马克” https://zbmath.org/authors/?q=ai:girolami.mark-a 摘要:我们提出了一个统计有限元方法,以非线性内波(孤子)为例,研究非线性时变现象。我们采用贝叶斯方法,利用有限元方法将统计问题转化为一个非线性高斯状态空间模型,在接收数据的过程中,在过滤框架中更新解。该方法适用于适用于有限元方法的跨科学和工程问题。提出了孤子的Korteweg-de-Vries方程,因为它反映了必要的复杂性,同时又适合于教学目的。基于扩展卡尔曼滤波器和集合卡尔曼滤波器,提出了两种实现该方法的算法,并通过仿真研究和实例分析验证了算法的有效性。我们的方法的通用性在补充资料的附录中得到了证明,在附录中我们给出了附加的非线性、依赖时间的偏微分方程(Burgers方程、Kuramoto-Sivashinsky方程)的例子。 数据科学展上的数学图片 https://zbmath.org/1485.68002 2022-06-24T15:10:38.853281Z “福卡特,西蒙” https://zbmath.org/authors/?q=ai:foucart.simon 出版商的描述:这篇文章提供了数据科学的数学背景,包括机器学习,最优恢复,压缩感知,优化和神经网络。在过去的几十年里,大型科技公司采用的启发式方法补充了现有的科学学科,形成了数据科学的新领域。本文通过理论支撑,引导读者踏上一段引人入胜的旅程。总的来说,27章的演讲篇幅和练习提供了所有必要的细节,以坚实地理解数据科学的关键主题。虽然这本书涵盖了机器学习和优化的标准材料,它也包括了不同的主题,如再生核心希尔伯特空间,谱聚类,最佳恢复,压缩感知,组测试,和半定规划的应用。数学背景较低的学生和数据科学家将欣赏附录,这些附录提供了一些更抽象概念的背景知识。 ECML PKDD 2021期刊专刊简介 https://zbmath.org/1485.68010 2022-06-24T15:10:38.853281Z 本文内容:本期特刊中包含的论文已被ECML PKDD 2021期刊轨道所接受。在2021年9月13日至17日在西班牙毕尔巴鄂举行的ecmlpkdd2021年会议上(实际上)提交了被接受的论文。 《数据科学分析:方法与应用》专刊前言 https://zbmath.org/1485.68012 2022-06-24T15:10:38.853281Z 本文简介:本期专题讨论了数据科学与分析方法与应用的一些最新进展和前沿话题。 停止问题的一种统计随时算法 https://zbmath.org/1485.68119 2022-06-24T15:10:38.853281Z “卡鲁德,克里斯蒂安S。” https://zbmath.org/authors/?q=ai:calude.cristian-s “杜米特雷斯库,莫妮卡” https://zbmath.org/authors/?q=ai:dumitrescu.monica-电子垃圾 摘要:在上一篇论文中,我们使用计算机运行时间来定义一类关于停止程序集的可计算概率分布,并开发了一个用于停止问题的概率随时算法。选择一个可计算的概率分布——这对算法至关重要——可能相当主观,也很难证实。在本文中,我们提出并研究了一个有效的统计随时算法来解决停止问题。统计算法的主要优点是它可以在没有任何关于特定计算模型的运行时间的先验信息的情况下实现,并且截止时间界相当小。该算法分为两部分:一部分是只进行一次的预处理(当解的质量参数固定时),另一部分是对任何输入程序运行的主要部分。在置信度足够大的情况下,该算法以所需的概率生成正确的决策。给出了该算法的三种实现方案,并进行了数值计算。 双色点集最近邻问题的算法与结果 https://zbmath.org/1485.68211 2022-06-24T15:10:38.853281Z “班纳吉,桑迪普” https://zbmath.org/authors/?q=ai:banerjee.sandip “哦,苏乔伊” https://zbmath.org/authors/?q=ai:bhore.sujoy-库马尔 “奇尼斯,拉杰什” https://zbmath.org/authors/?q=ai:chitnis.rajesh-赫曼特 摘要:在计算监督学习的背景下,主要目标是对数据进行分类。特别是,我们的目标是为系统提供“训练”数据,并设计一种利用训练数据对新对象进行分类的方法。一个标准的场景是,示例是度量空间中的点,并且“附近”点应该有“类似”的标签。在实践中,在不牺牲正确标记新对象的能力的情况下,减小训练集的大小是可取的。这些训练数据的子集称为编辑集。\textit{G.Wilfong}[Int.J.Comput.Geom.Appl.2,No.4,383--416(1992;Zbl 0776.68102)]定义了两种类型的编辑子集:一致子集(那些从训练数据中正确标记所有对象的子集)和选择性子集(按照与原始训练数据相同的方式正确标记所有新对象的子集)。这将导致以下两个优化问题:\开始{itemize}\项[--]\(k\)-MCS-(\(\mathcal X\):在度量空间\(\mathcal X\)中给定\(k\)点集\(p1,p2,\ldots,puk\),目标是为\(i=1,2,ldots,k\)选择点\(P''U i\SubteQ P U i\)点的子集(P'''U i\subseteq P\U i\)使\(\forall P\ in P_i\)与其最邻近的\(\bigcup\{j=1}^k P P“U U j\)为每个\(i\ in[k]\)的\(P“U i\)而最小化(注意,我们还强制条件\(P'''U i\\)条件\(注意,我们还强制条件\(| P''U i |\GE1\)\)\(\forall i\in[bigcup[bigcup[j=1}[Big1\k]\)。)数量\(\sum{i=1}^k | P''u i| \)。\项[--]\(k\)-MSS-(\(\mathcal X\):在度量空间\(\mathcal X\)中给定\(k\)点集\(p1,p2,\ldots,puk\),目标是为\(i=1,2,ldots,k\)选择点(P’’U i\SubteQ P U i\)点的子集(P’’U i\subseteq P U i\)使\(\Big(\bigcup\{j=1,j\ne i}^k P P U j\Big)\cup P P“U i\)存在于\(P’UI\)对于每一个\(i\ in[k]\)的同时最小化(注意,我们再次强制条件\(请注意,我们再次强制条件\(注意,我们再次强制条件\(注意,我们再次强制条件\(| P''U i}k[k]\\)每个\)每个\(i\ in[k[k[k]\)124;\ge 1\for all i\ in[k]\)。)数量\(\sum{i=1}^k | P''u i| \)。\结束{itemize}虽然在计算机视觉和机器学习领域已经有一些针对这两个问题的启发式方法,但是对于这些问题的唯一理论结果(据我们所知)是由Wilfong[loc.cit.]得出的,他证明了3-MCS-\(\mathbb{R}^2)和2-MSS-\(\mathbb{R}^2)都是NP完全的。我们从理论的角度对这两个问题进行了研究,并得到了一些算法和硬结果。在算法方面,我们首先为2-MCS-(\mathbb{R})问题设计了一个\(O(n^2)\)时间精确算法和\(O(n\logn)\)时间2-近似,即点位于实线上。此外,我们还证明了精确算法同样适用于点位于圆的圆周上的情况。接下来,我们为2-MCS-(\mathbb{r})问题设计了一个\(O(r2)\)时间在线算法,使得\(r<n\),其中\(n\)是点集,\(r\)是一个整数。最后,我们给出了\(k\)-MSS-\(\mathbb{R}^2)\)问题的PTAS。在硬度方面,我们证明了2-MCS和2-MSS问题在图上都是NP完全的。另外,问题是W[2]——由解的大小\(k\)硬参数化的。对于欧几里德平面上的点,我们证明了2-MSS问题包含在W[1]中。最后,我们给出了一个\(\varOmega(\sqrt{n})位的下界,用于任何(随机化)算法的存储,该算法同时求解2-MCS-\(\mathbb{R})和2-MSS-\(\mathbb{R})\)。整个系列见[Zbl 1428.68007]。 VFC-SMOTE:进化数据流的快速连续合成少数子过采样 https://zbmath.org/1485.68212 2022-06-24T15:10:38.853281Z “伯纳多,阿莱西奥” https://zbmath.org/authors/?q=ai:bernardo.alesio “德拉瓦勒,伊曼纽尔” https://zbmath.org/authors/?q=ai:della-山谷。伊曼纽尔 世界在不断变化,产生的海量数据也在不断变化。然而,只有很少的研究涉及在线课堂不平衡学习,它结合了班级不平衡数据流和概念漂移的挑战。本文提出了一种快速连续合成少数民族过采样技术(VFC-SMOTE)。它是一种新的元策略,可以应用于任何流式机器学习分类算法中,以数据草图为灵感,使用新版本的Smote和边界Smote对少数类进行过采样。我们在包含不同概念漂移、不平衡级别和类分布的合成和真实数据流上对VFC-SMOTE管道进行了基准测试。我们带来了统计证据,VFC-SMOTE管道学习的模型的少数类性能比最先进的好。此外,我们还分析了时间/内存消耗和漂移恢复速度的概念。 高度不平衡网络入侵数据集多类分类算法性能研究 https://zbmath.org/1485.68213 2022-06-24T15:10:38.853281Z “布拉瓦,维克托拉斯” https://zbmath.org/authors/?q=ai:bulavas.viktoras “马辛基维奇乌斯,维吉尼朱斯” https://zbmath.org/authors/?q=ai:marcinkevicius.virginijus “鲁米斯基,雅克” https://zbmath.org/authors/?q=ai:ruminski.jacek 摘要:本文针对机器学习中的类不平衡问题,重点研究计算机网络中稀有类的入侵检测问题。当一个类的数量远远超过其他类的示例时,就会出现类不平衡的问题。在本文中,我们对分类器特别感兴趣,因为模式识别和异常检测可以作为一个分类问题来解决。由于任何组织网络的数据网络流量仍然主要是良性的,而恶性流量很少,因此研究者不得不处理一个类不平衡的问题。已经进行了大量研究,以确定这些方法或数据特征,从而能够准确地识别这些攻击。但处理不平衡类问题的常用策略是将所有恶性流量标记为一个类,然后解决二元分类问题。然而,在本文中,我们选择不分组或删除稀有类,而是研究如何才能获得良好的多类分类效率。稀有类记录使用SMOTE方法[\texdit{N.V.Chawla}等人,J.Artif.Intell.Res.(JAIR)16321--357(2002;zbl0994.68128)]对一个预设的比率目标进行上采样。对3个网络流量数据集CIC-IDS2017进行了实验,CSE-CIC-IDS2018[\textit{I.Sharafaldin}等人,《生成新的入侵检测数据集和入侵流量特征》,载:第四届信息系统安全和隐私国际会议论文集,ICISP 2018。Setúbal:SciTePress.Vol.1,108--116(2018;\url{doi:10.5220/0006639801080116})和LITNET-2020[\texttit{R.Damasevicius}等人,``LITNET-2020:用于网络入侵检测的带注释的真实网络流数据集',Electronics 9,No.5,Article ID 800,23 p.(2020;\url{doi:10.3390/electronics9050800})],旨在实现对这些数据集中可用的罕见恶性类的可靠识别。选择流行的机器学习算法来比较它们支持稀有类检测的准备情况。在较大范围内调整相关算法超参数,采用不同的数据特征选择方法,在有无过采样的情况下进行测试,测试稀有类的多类问题分类性能。机器学习算法的排名基于\textit{Precision}、\(\bar{mathit{G}})和预测误差\texdit{Bias and Variance decomposition},对机器学习算法进行排名,结果表明,决策树集合(Adaboost、随机森林树和梯度Boosting分类器)对本研究中使用的网络入侵数据集表现最好。 基于坐标核多项式模型的交互式构件建模 https://zbmath.org/1485.68214 2022-06-24T15:10:38.853281Z “郭,欣” https://zbmath.org/authors/?q=ai:guo.xin “李,莱辛” https://zbmath.org/authors/?q=ai:li.lexin “吴,羌” https://zbmath.org/authors/?q=ai:wu.qiang 摘要:我们提出了在核回归中使用坐标核多项式。这种新的方法称为坐标核多项式回归,它可以同时识别活动变量和有效的交互成分。重参数化是提高建模精度和预测能力的关键。培训后的组件选择允许用户识别有效的交互组件。用泛化误差界从学习理论的角度解释了该算法的有效性,并通过仿真研究验证了该算法的有效性。 基于非欧式边缘的支持向量机分类器 https://zbmath.org/1485.68222 2022-06-24T15:10:38.853281Z “林,英” https://zbmath.org/authors/?q=ai:lin.ying “耶,琪” https://zbmath.org/authors/?q=ai:ye.qi 摘要:在这篇文章中,经典的支持向量机(SVM)分类器被非欧几里德边缘推广。我们首先用非欧几里德边界扩展了支持向量机分类器的线性模型,包括硬边界和软边界的支持向量机分类器的定理和算法。特别地,对于按范数裕度划分的支持向量机分类器,可以用稀疏的1范数优化方法进行求解。其次,我们证明了在由铰链损失给出的\(p\)-范数再生核Banach空间中,支持向量机分类器的非线性模型可以等价地转移到支持向量机上,其中\(1/p+1/q=1\)。最后,我们以人工数据和真实数据为例,通过范数裕度比较了支持向量机分类器的不同算法。 MultiETSC:用于早期时间序列分类的自动机器学习 https://zbmath.org/1485.68224 2022-06-24T15:10:38.853281Z “奥特万格,吉尔” https://zbmath.org/authors/?q=ai:ottervanger.gilles “巴拉奇,米特拉” https://zbmath.org/authors/?q=ai:baratchi.mitra “呼,霍尔格H。” https://zbmath.org/authors/?q=ai:hoos.holger-h 摘要:早期时间序列分类(EarlyTSC)涉及到基于对给定时间序列的部分观察来预测类标签。大多数EarlyTSC算法使用一个专用的超参数,将精度和提前度之间的权衡视为两个相互竞争的目标。为了深入了解这种权衡,需要找到一组非支配(帕累托有效)分类器。到目前为止,这是通过手动调整超参数来实现的。由于权衡超参数只提供对早期精度权衡的间接控制,手动调整非常繁琐,并且往往导致许多次优的超参数设置。这使得寻找最优超参数设置变得复杂化,并为早期应用于实际问题设置了障碍。为了解决这些问题,我们提出了一种基于快速移动的研究领域自动机器学习(AutoML)的超参数调整和算法选择方法。为了解决早期时间序列分类中两个相互冲突的目标的优化问题,我们提出了一个用于早期时间序列分类的多目标算法选择和超参数优化系统MultiETSC。MultiETSC可以潜在地利用任何现有或未来的EarlyTSC算法,产生一组Pareto最优算法配置,用户可以从中选择后验概率。作为一个额外的好处,我们提出的框架可以合并和利用不是最初为EarlyTSC设计的时间序列分类算法,以提高EarlyTSC的性能;我们使用一个新定义的“天真”固定时间算法来演示这个属性。在对我们的新方法在115个数据集的基准上进行的广泛的实证评估中,我们发现MultiETSC的性能明显优于基线方法,与概念上更简单的单一算法(2.98)和单目标方案(4.36)相比,排名最高(平均排名1.98)。 可调性:机器学习算法超参数的重要性 https://zbmath.org/1485.68226 2022-06-24T15:10:38.853281Z “普罗布斯特,菲利普” https://zbmath.org/authors/?q=ai:probst.philipp “布尔斯泰克斯,安妮·劳尔” https://zbmath.org/authors/?q=ai:boulesteix.anne-劳尔·伊莎贝尔 “比什尔,伯纳德” https://zbmath.org/authors/?q=ai:bischl.bernd 摘要:现代有监督机器学习算法涉及到在运行它们之前必须设置的超参数。用于设置超参数的选项是软件包中的默认值,由用户手动配置,或通过调整过程将其配置为最佳预测性能。本文的目标是双重的。首先,我们从统计学的角度对优化问题进行了形式化描述,定义了基于数据的缺省值,并提出了量化算法超参数可调性的一般措施。其次,基于OpenML平台的38个数据集和6种常用的机器学习算法进行了大规模的基准测试研究。我们应用我们的措施来评估其参数的可调性。我们的结果产生了超参数的默认值,并使用户能够决定是否值得执行一个可能耗时的调整策略,关注最重要的超参数并选择足够的超参数空间进行调优。 非随机缺失数据的无监督域自适应算法 https://zbmath.org/1485.68233 2022-06-24T15:10:38.853281Z “基希迈耶,马修” https://zbmath.org/authors/?q=ai:kirchmeyer.matthieu “加里纳里,帕特里克” https://zbmath.org/authors/?q=ai:gallinari.patrick “阿兰,拉科塔莫尼” https://zbmath.org/authors/?q=ai:rakotomamonjy.alain “曼特拉赫,阿明” https://zbmath.org/authors/?q=ai:mantrach.amin 摘要:我们考虑了无监督域自适应(UDA)在未标记的目标域中存在缺失数据的分类问题。更准确地说,受实际应用的启发,我们分析了在域之间存在分布偏移,以及在目标域上某些成分系统性地缺失的情况,而没有对缺失的目标成分进行有效的监督。我们提出了一种生成的插补方法。插补是在一个域不变的潜在空间中进行的,并利用来自完整源域的间接监督。我们介绍了一个执行联合适应、插补和分类的单一模型,在我们的假设下,该模型使目标泛化误差的上界最小化,并且在各种具有代表性的散度族((\mathscr{H})-散度,最优传输)下表现良好。此外,我们还比较了我们的自适应插补框架的目标误差和不丢失目标成分的UDA分类器的理想目标误差。我们的模型通过自我训练进一步改进,使学习的源类和目标类的后验分布更加接近。我们在三个不同模式的数据集上进行了实验:一个经典的数字分类基准,在UDA中常用的Amazon产品评论数据集和真实世界的数字广告数据集。我们展示了在这些数据集上联合执行适应、分类和插补的好处。 标准化数据坐标的局部共形自动编码器 https://zbmath.org/1485.68234 2022-06-24T15:10:38.853281Z “彼得雷恩,埃雷斯” https://zbmath.org/authors/?q=ai:peterfreund.erez “林登鲍姆,奥菲尔” https://zbmath.org/authors/?q=ai:lindenbaum.ofir “科夫曼,罗纳德R。” https://zbmath.org/authors/?q=ai:coifman.ronald-拉斐尔 总结:我们提出了一个局部共形自动编码器(LOCA)的标准化数据坐标。LOCA是一种基于深度学习的方法,用于从科学测量中获取标准化数据坐标。数据观测被建模为来自底层黎曼流形的未知非线性变形的样本,该流形由几个规范化的潜在变量参数化。我们假设了科学测量中常见的重复测量抽样策略,并提出了一种学习与流形潜在变量等距的嵌入的方法。我们的方法得到的坐标对流形的不同对称性是不变性的,使得同一现象的不同仪器观测值之间的匹配成为可能。我们的嵌入是使用LOCA来获得的,这是一种通过局部z评分程序学习矫正变形的算法,同时保留相关的几何信息。我们展示了LOCA在各种模型设置下的等距嵌入特性,并观察到它显示出了很有前途的内插和外推能力,优于目前的技术水平。最后,我们证明了LOCA在单站点Wi-Fi定位数据和从二维投影重建三维曲面的有效性。 非线性降维的一种可处理隐变量模型 https://zbmath.org/1485.68241 2022-06-24T15:10:38.853281Z “索尔,劳伦斯K。” https://zbmath.org/authors/?q=ai:saul.lawrence-k 摘要:我们提出了一个潜在变量模型来发现高维数据的可靠低维表示。该模型计算一个低维嵌入,其目的是保持由稀疏图编码的邻域关系。该模型利用并扩展了当前解决这一问题的主流方法。与t分布随机邻域嵌入一样,该模型可以生成二维和三维的嵌入,也可以学习更高维的嵌入以供其他用途。与LargeVis和Uniform流形逼近和投影一样,该模型通过平衡两个目标来生成嵌入:将附近的示例拉得更近,将远处的示例推得更远。然而,与这些方法不同的是,我们模型中的潜在变量提供了额外的结构,可以用于学习。我们导出了一个期望最大化过程,该过程带有封闭形式的更新,单调地提高了模型的可能性:在这个过程中,嵌入通过求解由离散图拉普拉斯算子产生的稀疏对角占优线性方程组迭代调整。对于大型问题,我们还开发了一个近似粗粒化过程,避免了图中非相邻节点的负采样。我们在图像和文本数据集上验证了该模型的有效性。 仅插入流的度量\(k\)-中值的精确低空间近似 https://zbmath.org/1485.68315 2022-06-24T15:10:38.853281Z “布拉弗曼,弗拉基米尔” https://zbmath.org/authors/?q=ai:braverman.vladimir “朗,哈利” https://zbmath.org/authors/?q=ai:lang.harry “莱文,基思” https://zbmath.org/authors/?q=ai:levin.keith 摘要:我们使用\(O(\epsilon^{-3}k\logn)\)空间,对仅插入的\(n\)点流上的度量\(k\)-median提出了一个低常数近似。特别地,我们提出了一个流式\(\epsilon^{-3}k\logn),2+\epsilon)\)-bicriterion解决方案,它报告了簇权重。众所周知,在这个双标准解上运行离线算法会得到一个\((17.66+\epsilon)\)-近似值。以前,在流媒体\(k\)—中值问题中,有两种研究在空间和准确性之间进行权衡。迄今为止,最著名的\(k,epsilon)核心集构造需要\(O(\epsilon^{-2}k\log^4n)空间[\textti{D.Feldman}和\texit{M.Langberg},载于:第43届ACM计算理论研讨会论文集,STOC'11。纽约:计算机械协会(ACM)。569--578(2011;Zbl 1288.90046)],而最著名的\(O(k\logn)\)-空间算法只提供一个\(O(k\logn)\,1063)\)-bicriterion[\texdit{V.Braverman}等人,载:第22届ACM-SIAM离散算法研讨会论文集,SODA 2011。宾夕法尼亚州费城:工业与应用数学学会(SIAM);纽约,纽约:计算机械协会(ACM)。26--40(2011;Zbl 1375.68212)]。我们的工作显著地缩小了这个差距,匹配了最著名的空间,同时显著地将精确度从1063提高到\(2+\epsilon\)。我们还提供了一个匹配的下界,表明任何维护\((\alpha,\beta)\)-bicriterion的\({\operatorname{polylog}}(n)\)-空间流算法必须有\(\beta\geq 2\)。我们的技术将流分解成由最优聚类代价中的跳跃定义的分段,该代价随着流的进展单调增加。通过存储最近段的精确摘要和较低空间的旧段摘要,我们的算法为整个输入维护一个\(\epsilon^{-3}k\logn),2+\epsilon)双标准解。整个系列见[Zbl 1355.68015]。 最优子集选择问题的多项式算法 https://zbmath.org/1485.68322 2022-06-24T15:10:38.853281Z “朱俊贤” https://zbmath.org/authors/?q=ai:zhu.junsian “文,灿红” https://zbmath.org/authors/?q=ai:wen.canhong “王雪芹” https://zbmath.org/authors/?q=ai:wang.xueqin 小结:最佳子集选择的目的是找到一个小的预测子集,使得到的线性模型具有最理想的预测精度。它不仅在回归分析中有着重要而迫切的意义,而且在计算机科学和医学等研究的各个方面都有着深远的应用。我们介绍了一个多项式算法,它在温和的条件下解决了这个问题。该算法利用排序拼接的思想,在模型稀疏度固定但未知的情况下,在有限步内得到稳定解。我们定义了一个信息准则,帮助算法以高概率选择真实稀疏度。证明了当算法产生稳定的最优解时,该解是真参数概率为1的oracle估计量。我们也在一些数值研究中证明了该算法的有效性。 高斯噪声环境下联合参数估计的最终精度 https://zbmath.org/1485.81008 2022-06-24T15:10:38.853281Z “巴赫穆,拉肯” https://zbmath.org/authors/?q=ai:bakmou.lahcen “达乌德,穆罕默德” https://zbmath.org/authors/?q=ai:daoud.mohammed 摘要:多参数量子估计理论的主要问题是找到一个最终的测量方案,以超越每一个准经典估计测量所受到的标准量子限制。尽管在一些没有环境噪声的特定量子协议中,多参数量子估计的最终灵敏度可以超过标准量子极限。然而,由于不可避免地存在环境波动,噪声的存在对精度的提高造成了限制。在这里,我们讨论使用高斯量子资源背后的动机,以及它们在实际噪声下达到标准量子极限的优势。在这种情况下,我们的工作旨在探索同时估计一对参数的最终精度极限,这些参数表征了作用在高斯探针上的位移通道,并受到开放动力学的影响。更准确地说,我们把重点放在一般双模混合压缩位移热态上,将其简化为各种高斯探针态,如;双模纯压缩真空,双模纯位移真空,双模混合位移热,双模混合压缩热。为了研究最终估计精度,我们评估了不同情况下HCRB的上下界。我们发现,当纠缠态(双模纯压缩真空态和双模混合压缩热态)作为探测态时,在噪声环境下,HCRB的上下界都超过了标准量子极限。 物理系统熵的机器学习迭代计算 https://zbmath.org/1485.81015 2022-06-24T15:10:38.853281Z “尼尔,阿米特” https://zbmath.org/authors/?q=ai:nir.amit “塞拉,伊兰” https://zbmath.org/authors/?q=ai:sela.eran “巴西奈,尤海” https://zbmath.org/authors/?q=ai:bar-西奈半岛。尤海 摘要:描述一个系统的熵是理解其热力学的一个关键步骤,而且通常计算成本很高。它在研究相变、图案形成、蛋白质折叠等方面起着关键作用。目前的熵估计方法存在计算量大、缺乏通用性、不精确性以及无法处理复杂、强相互作用系统的缺点。在本文中,我们提出了一种称为机器学习迭代熵计算(mices)的方法,通过迭代将系统划分为更小的子系统并估计每对对半之间的互信息来计算熵。估计是用一个最近提出的机器学习算法来执行的,该算法适用于任意网络结构,可以选择适合当前系统的结构和对称性。我们证明我们的方法可以计算各种系统的熵,包括热的和非热的,具有最先进的精度。具体地说,我们研究了各种经典的自旋系统,并确定了双盘混合软磁盘的干扰点。最后,我们认为,除了在估计熵方面的作用外,互信息本身还可以为物理系统的研究提供一个有见地的诊断工具。 孤立物体及其演化:无旋基本粒子传播子路径积分的推导 https://zbmath.org/1485.81047 2022-06-24T15:10:38.853281Z “纳波利塔尼,多梅尼科” https://zbmath.org/authors/?q=ai:napoletani.domenico “斯特拉帕,丹妮尔C。” https://zbmath.org/authors/?q=ai:struppa.daniele-卡罗 总结:我们形式化了孤立对象(\textit{units})的概念,并建立了一个一致的理论来描述它们的演化和相互作用。我们进一步引入了一个单位的不同时空路径的不可分辨性的概念,并对基于不可区分性的等价原理进行了推广。在一个单位的整组不可分辨路径上的时间反转条件下,我们证明在这个框架下,在弱场和低速的极限情况下,可以导出一般势场中无旋基本粒子运动的量子化。将这种方法外推到包括弱相对论效应的情况下,我们将探索可能的实验结果。最后,我们提出了孤立物体理论的原始本体论。 随机梯度下降中的逆方差平坦关系是求平坦极小值的关键 https://zbmath.org/1485.82008 2022-06-24T15:10:38.853281Z “风,雨” https://zbmath.org/authors/?q=ai:feng.yu “屠,玉海” https://zbmath.org/authors/?q=ai:tu.yuhai 摘要:尽管随机梯度下降(SGD)算法在深度学习方面取得了巨大的成功,但人们对SGD如何在高维权重空间中找到损失函数平坦极小值的概化解知之甚少。在这里,我们研究了SGD学习动态与丧失功能景观之间的联系。主成分分析(PCA)表明,SGD动力学在权重空间遵循低维漂移-扩散运动。在SGD找到的解的周围,损失函数图可以用其在每个PCA方向上的平坦度来表征。值得注意的是,我们的研究揭示了在所有主成分分析方向上,权重方差与景观平坦度之间存在一种稳健的逆关系,这与平衡统计物理中的涨落-响应关系(又称爱因斯坦关系)相反。为了理解逆方差平坦关系,我们基于小批量损失函数系综的统计性质,发展了SGD的唯象理论。我们发现各向异性SGD噪声强度(温度)及其相关时间与每个PCA方向的景观平坦度成反比。我们的结果表明SGD是一种依赖于景观的退火算法。有效温度随着景观平坦度的降低而降低,因此系统寻找(更倾向于)平坦的最小值而不是尖锐的最小值。在此基础上,提出了一种具有景观相关约束的算法,以有效地减少连续学习多个任务时的灾难性遗忘。总的来说,我们的工作为理解学习动态提供了一个理论框架,这可能最终导致针对不同学习任务的更好的算法。 用LISA-Taiji网络测量随机引力波背景下的宇称破坏 https://zbmath.org/1485.83015 2022-06-24T15:10:38.853281Z “奥兰多,乔治” https://zbmath.org/authors/?q=ai:orando.giorgio “皮罗尼,毛罗” https://zbmath.org/authors/?q=ai:pieroni.mauro “里卡多,安吉洛” https://zbmath.org/authors/?q=ai:ricciardone.angelo 如果时间没有开始:过去无限因果集的增长动力学 https://zbmath.org/1485.83021 2022-06-24T15:10:38.853281Z “便当,布鲁诺·瓦莱索” https://zbmath.org/authors/?q=ai:bento.bruno-瓦莱索 “道克,费伊” https://zbmath.org/authors/?q=ai:dowker.fay “扎勒尔,斯塔夫” https://zbmath.org/authors/?q=ai:zalel.stav 走向一个和谐的平行宇宙。一: 背景动力学 https://zbmath.org/1485.83026 2022-06-24T15:10:38.853281Z “哈希姆,马哈茂德” https://zbmath.org/authors/?q=ai:hashim.mahmoud “哈纳菲,瓦利德” https://zbmath.org/authors/?q=ai:el-哈纳菲。瓦利德 “戈洛夫涅夫,亚历克西” https://zbmath.org/authors/?q=ai:golovnev.alexey-五 “艾尔赞特,阿姆鲁” https://zbmath.org/authors/?q=ai:el-赞特。amr-a公司 Horndeski宇宙学暗能量模型的数据驱动独立重构和更新约束条件的改进 https://zbmath.org/1485.83056 2022-06-24T15:10:38.853281Z “雷耶斯,毛里西奥” https://zbmath.org/authors/?q=ai:reyes.mauricio “埃斯卡米拉·里维拉,西莉亚” https://zbmath.org/authors/?q=ai:escamilla-里维拉。西莉亚 被薄圆盘吸积包围的Kehagias-Sfetsos黑洞的阴影和光环 https://zbmath.org/1485.83080 2022-06-24T15:10:38.853281Z “李,郭平” https://zbmath.org/authors/?q=ai:li.guoping “他,柯坚” https://zbmath.org/authors/?q=ai:he.ke-简 多场原始特征模型与普朗克数据的比较 https://zbmath.org/1485.83124 2022-06-24T15:10:38.853281Z “布拉格利亚,马特奥” https://zbmath.org/authors/?q=ai:braglia.matteo “陈,新港” https://zbmath.org/authors/?q=ai:chen.xiangang “哈兹拉,迪拉吉·库马尔” https://zbmath.org/authors/?q=ai:hazra.dhiraj-库马尔 宇宙学光学定理 https://zbmath.org/1485.83139 2022-06-24T15:10:38.853281Z “再见,哈利” https://zbmath.org/authors/?q=ai:goodhew.harry “贾扎耶里,萨达拉” https://zbmath.org/authors/?q=ai:jazayeri.sadra “帕杰,恩里克” https://zbmath.org/authors/?q=ai:pajer.enrico 超轻轴子串网络的CMB双折射 https://zbmath.org/1485.83145 2022-06-24T15:10:38.853281Z “贾恩,穆迪” https://zbmath.org/authors/?q=ai:jain.mudit “再见,安德鲁J。” https://zbmath.org/authors/?q=ai:long.andrew-j “阿明,穆斯塔法。” https://zbmath.org/authors/?q=ai:amin.mustafa-a 有偏示踪剂的原始非高斯性:实空间功率谱和双谱的似然分析 https://zbmath.org/1485.83168 2022-06-24T15:10:38.853281Z “阿扎德,莫拉迪扎德,迪兹加” https://zbmath.org/authors/?q=ai:dizgah.azadeh-莫拉迪内扎德 “比亚盖蒂,马特奥” https://zbmath.org/authors/?q=ai:biagetti.matteo “塞福萨蒂,埃米利亚诺” https://zbmath.org/authors/?q=ai:sefusatti.emiliano “德斯雅克,文森特” https://zbmath.org/authors/?q=ai:desjacques.文森特 “诺雷尼亚,豪尔赫” https://zbmath.org/authors/?q=ai:norena.jorge 用Sunyaev-Zeldovich全双谱打破简并谱 https://zbmath.org/1485.83175 2022-06-24T15:10:38.853281Z “拉文尼,安德里亚” https://zbmath.org/authors/?q=ai:ravenni.andrea “里扎托,马特奥” https://zbmath.org/authors/?q=ai:rizzato.matteo “拉迪诺维奇,斯拉安那” https://zbmath.org/authors/?q=ai:radinovic.sladana “李国瑞,米歇尔” https://zbmath.org/authors/?q=ai:liguori.michele “拉卡萨,法比安” https://zbmath.org/authors/?q=ai:lacasa.fabien “塞伦汀,埃琳娜” https://zbmath.org/authors/?q=ai:sellentin.elena 各向异性星系三点相关函数多极子的2DFFTLOG优化计算 https://zbmath.org/1485.83185 2022-06-24T15:10:38.853281Z “乌梅,奥比娜” https://zbmath.org/authors/?q=ai:umeh.obinna 相对论性星系双谱中的局域原始非高斯性 https://zbmath.org/1485.85002 2022-06-24T15:10:38.853281Z “马丁,罗伊” https://zbmath.org/authors/?q=ai:maartens.roy “乔利欧,希恩” https://zbmath.org/authors/?q=ai:joliceur.sheean “乌梅,奥比娜” https://zbmath.org/authors/?q=ai:umeh.obinna “德维德,埃琳·M。” https://zbmath.org/authors/?q=ai:de-威德。埃琳-m “克拉克森,克里斯” https://zbmath.org/authors/?q=ai:clarkson.chris-a 用CMB(倍)LSS功率谱和双谱精确宇宙学 https://zbmath.org/1485.85003 2022-06-24T15:10:38.853281Z 陈淑凡 https://zbmath.org/authors/?q=ai:chen.shu-风扇 “李,海登” https://zbmath.org/authors/?q=ai:lee.hayden “德沃金,科拉” https://zbmath.org/authors/?q=ai:dvorkin.cora 星系数计数的平天近似——红移空间相关函数 https://zbmath.org/1485.85009 2022-06-24T15:10:38.853281Z “杰利希兹梅克,戈兰” https://zbmath.org/authors/?q=ai:jelic-西兹梅克。戈兰 用理想流体的拉格朗日描述速度相关的暗能量和暗物质相互作用 https://zbmath.org/1485.85010 2022-06-24T15:10:38.853281Z “吉姆·内兹,何塞·贝尔特兰” https://zbmath.org/authors/?q=ai:jimenez.jose-贝尔特兰 “贝托尼,达里奥” https://zbmath.org/authors/?q=ai:bettoni.dario “菲格雷罗,大卫” https://zbmath.org/authors/?q=ai:figueruelo.david “铁板杉,弗洛伦西亚” https://zbmath.org/authors/?q=ai:teppa-帕尼亚。阿纳贝拉弗洛伦西亚 “筑川,新地” https://zbmath.org/authors/?q=ai:tsujikawa.shinji 实践中的宇宙剪切功率谱 https://zbmath.org/1485.85013 2022-06-24T15:10:38.853281Z “尼古拉,安德丽娜” https://zbmath.org/authors/?q=ai:nicola.andrina “加西亚-加西亚,卡洛斯” https://zbmath.org/authors/?q=ai:garcia-加西亚。卡洛斯 “阿隆索,大卫” https://zbmath.org/authors/?q=ai:alonso.david “邓克利,乔” https://zbmath.org/authors/?q=ai:dunkley.jo “费雷拉,佩德罗·G” https://zbmath.org/authors/?q=ai:ferreira.pedro-g “斯洛萨,安ž” https://zbmath.org/authors/?q=ai:slosar.anze “斯珀格尔,大卫·N。” https://zbmath.org/authors/?q=ai:spergel.david-n sigma8在百分比水平上:实空间中的EFT可能性 https://zbmath.org/1485.85018 2022-06-24T15:10:38.853281Z “施密特,费边” https://zbmath.org/authors/?q=ai:schmidt.fabian 晕占位分布的响应:晕模型中的一个新成分&对星系偏倚的影响 https://zbmath.org/1485.85022 2022-06-24T15:10:38.853281Z “沃沃迪奇,罗德里戈” https://zbmath.org/authors/?q=ai:voivodic.rodrigo “巴雷拉,亚历山德拉” https://zbmath.org/authors/?q=ai:barrera.alexandre 量化未来寻找外行星生物信号的信息影响 https://zbmath.org/1485.85031 2022-06-24T15:10:38.853281Z “巴尔比,阿梅迪奥” https://zbmath.org/authors/?q=ai:balbi.amedeo “格里马尔迪,克劳迪奥” https://zbmath.org/authors/?q=ai:grimaldi.claudio 摘要:未来几十年天文学的一个主要目标是在系外行星上远程寻找生物信号(即生物活动的光谱证据)。在这里,我们采用一个贝叶斯统计框架来讨论这种未来搜索的含义,无论是在生命被探测到的情况下,还是在没有明确证据的情况下。我们表明,即使是在我们的恒星系统附近进行一次生物信号检测,在一次类似于未来20年内将获得的规模的调查中,也会显著影响我们先前对宇宙中生命频率的看法,甚至从中立或悲观的立场出发。特别是在这样的发现之后,一个最初不可知论的观察家会得出结论:银河系中有超过10^5个有人居住的行星,其概率超过95%。然而,这一结论在一定程度上会因为生物物质在星际距离上转移的可行性而被削弱,比如在泛精子的情况下。相反,缺乏重要的生物信号证据也不会产生什么影响,这使得对银河系中生命丰富程度的评估在很大程度上仍然是未知数。 海洋学中的时间序列数据分析。应用MATLAB https://zbmath.org/1485.86001 2022-06-24T15:10:38.853281Z “李春燕” https://zbmath.org/authors/?q=ai:li.chunyan 作者简介:李春燕是一位有多年时间序列分析教学经验的课程讲师。他的书对于海洋学和其他地球科学学科的学生和研究人员来说是必不可少的,他们希望能够完整地覆盖使用MATLAB进行时间序列数据分析的理论和实践。这本教科书深入地涵盖了主题的核心理论,并提供了大量的教学实例,其中许多是直接从作者自己的教学经验中,使用数据文件、实例和练习。这本书探讨了许多概念,包括时间;地球上的距离;风、海流和波浪数据格式;沿计划或随机横断面查找船基数据子集;误差传播;误差估计的泰勒级数展开;最小二乘法;基函数与基函数的线性无关性;潮汐调和分析;傅立叶级数与广义傅立叶变换;滤波技术:抽样定理:有限抽样效应;小波分析;和EOF分析。 障碍岛高程的随机动力学 https://zbmath.org/1485.86006 2022-06-24T15:10:38.853281Z “维恩特,奥伦西奥杜兰” https://zbmath.org/authors/?q=ai:vinent.orencio-杜兰 “谢弗,本杰明E。” https://zbmath.org/authors/?q=ai:schaffer.benjamin-e “罗德里格斯·伊图尔比,伊格纳西奥” https://zbmath.org/authors/?q=ai:rodriguez-伊图尔比。伊格纳西奥 小结:障壁岛是无处不在的海岸特征,它们创造了低能耗环境,盐沼、牡蛎礁和红树林可以在这些环境中生长和生存。屏障系统还保护内陆沿海社区免受风暴潮和波浪驱动的侵蚀。这些功能取决于是否存在一个缓慢迁移、垂直稳定的屏障,这一条件与风暴驱动的过灰频率有关,因此在风暴影响期间屏障的高度。障碍动力学背后的侵蚀和增生过程之间的平衡本质上是随机的,不能用传统的连续模型正确理解。这里我们发展了一个主方程,描述了障碍物在某一点上的概率密度函数(PDF)的随机动力学。这种动态过程由二维无量纲数控制,这些数值与最大沙丘高度和沙丘形成时间有关,而高水位事件的平均强度和频率与最大沙丘高度和沙丘形成时间有关,而这又是海平面上升率、沙的可利用性和植物生态系统固着沙丘形成的压力的函数。根据控制参数的不同,瞬态解收敛到高海拔障碍物、低海拔障碍物或混合双峰状态。我们发现风暴后的平均恢复时间(表征屏障对风暴冲击的弹性的松弛时间)随控制参数的变化很快,这表明屏障对外部驱动因素的响应存在一个临界点。最后,我们得到了表征障碍物向陆地迁移的过冲概率、平均过冲频率和输运速率的显式表达式。 希腊科林斯湾地震活动的变点分析 https://zbmath.org/1485.86010 2022-06-24T15:10:38.853281Z “吕库,R” https://zbmath.org/authors/?q=ai:lykou.r “察克利迪斯,G” https://zbmath.org/authors/?q=ai:tsaklidis.george-米 “帕帕迪米特里奥,E” https://zbmath.org/authors/?q=ai:papapadimitriou.eleftheria 摘要:对希腊科林斯湾地震活动性进行了变点分析,该地堑是希腊地震活动最活跃的地区之一。地震活动表现出强烈的聚集性,因此对均值和方差的分析是恰当的。数据的样本自相关函数在较大滞后时也不为零,表明存在长期相关性。这种现象可以通过观察值平均值的可能变化来加以证明。考虑到地震发生频率,对一组观测到的地震序列及其去趋势数据进行了非参数多变点分析。对初始数据集的分析结果与其去趋势残差的结果进行了比较。此过程同时使用在线和离线方法,提供不同的视角。有希望的模式是离线定义的,其中大多数是在线检测到的。 时刻SOS层级。概率论,统计学,计算几何,控制和非线性偏微分方程 https://zbmath.org/1485.90001 2022-06-24T15:10:38.853281Z “亨利,迪迪埃” https://zbmath.org/authors/?q=ai:henrion.didier “科达,米兰” https://zbmath.org/authors/?q=ai:korda.milan “拉塞尔,让B。” https://zbmath.org/authors/?q=ai:lasserre.jean-伯纳德 这是一本关于矩理论和应用的好书。这本书假定在测量理论,函数分析和概率的全面知识。它有12章,从定义和符号开始。第二章是一个概括性的回顾。后面是参考书目。第一部分结合第3、4、5、6、7、8章,对半代数集的度量、Lebesgue分解的计算、超分辨率优化设计等问题进行了严格的讨论。像所有章节一样,它有一个参考书目。第二部分讨论控制理论和优化中的几个问题。它与扩散问题和动态规划有关。它有数字例子和参考书目。它导致了许多工程和随机过程中尚未解决的问题。作者通过对偏微分方程的简要讨论,对矩SOS层次结构做出了重要贡献。评审人:Nirode C.Mohanty(亨廷顿海滩) 基于置信区间的操作性能指标模糊测试 https://zbmath.org/1485.90021 2022-06-24T15:10:38.853281Z “陈,权算” https://zbmath.org/authors/?q=ai:chen.kuensuan 总结:操作绩效指数(OPI)由\texdit{K.-S.Chen}和\texdit{C.-M.Yang}[J.Comput.Appl.Math.343,737--747(2018;Zbl 1457.90053)]根据六西格玛过程质量指数制定。OPI包含未知参数这一事实意味着必须使用基于样本数据的估计值来制定这些参数。不幸的是,在实践中,成本和效益的考虑导致了样本量的限制和测量的不确定性。在这项研究中,我们试图通过应用OPI的置信区间来推导OPI的模糊数和隶属函数,来提高测试精度,克服测量中的不确定性。我们发展了一个单尾模糊测试方法来确定性能是否达到要求的水平。我们还发展了一个基于两个OPI的双尾模糊测试方法,作为改进措施有效性的验证模型。两种模糊测试方法均基于指标的置信区间,以降低抽样误差引起的误判风险,提高测试精度。 具有时间属性的随机流网络可靠性评估与大数据分析体系结构 https://zbmath.org/1485.90029 2022-06-24T15:10:38.853281Z 张平辰 https://zbmath.org/authors/?q=ai:chang.ping-陈 摘要:具有多状态(随机)元素(弧或节点)的网络通常称为随机流网络。从运行管理的角度来衡量随机流网络的系统可靠性具有重要意义。在现实世界中,随机流网络的系统可靠性会随时间而变化。因此,一个关键问题出现了——描述随机流网络中的时间属性。为了解决这一问题,本文研究了桥梁(经典)可靠性理论和随机流网络的可靠性。本研究利用威布尔分布作为一个可能的可靠性函数来量化随机流网络中的时间属性。对于更一般的情况,所提出的模型和算法可以应用任何可靠性函数,而不局限于威布尔分布。首先,利用Weibull分布对每个元件的可靠性进行建模,以考虑时间属性,其中这些元件由一个多状态元件组成。一旦给定时间约束,就可以得到单元的容量概率分布。其次,提出了一种针对给定需求生成最小分量向量的算法。最后,根据导出的容量概率分布和生成的最小分量向量,计算系统的可靠性。此外,还提出了一种大数据体系结构,用于可靠性函数参数的采集和估计。对于未来可能收集到大量数据的研究,所提出的模型和体系结构可以应用于时变监测。 具有多状态决策单元和动态系统配置的两阶段干预决策系统 https://zbmath.org/1485.90030 2022-06-24T15:10:38.853281Z “林,婷楠” https://zbmath.org/authors/?q=ai:lin.tingnan “范,黄” https://zbmath.org/authors/?q=ai:pham-黄希普|范。黄平。黄江|范。黄安 摘要:本文建立了一个具有多数表决规则和二进制输入输出的两阶段干预决策系统的可执行性和成本效益模型。系统的决策过程包括两个阶段:检查阶段(第一阶段)和结果提交阶段(第二阶段)。在第一阶段,系统中的每个决策单元都会有多个状态,并且会有一个主管来访问每个单元并检查其状态,最多两次。主管将对每个单位进行第一次视察。但是,第二次视察各单位的行为将由第一次视察期间的状态决定。此外,在每次访问期间,如果给定某些状态,每个决策单元都可能从系统中删除。因此,在决策过程中,系统的结构可能会发生变化。在第一阶段没有移除的单元可以在第二阶段的任何时候提交结果。但是,每个剩余单元的性能将由第一阶段的结束状态决定。此外,为了提高决策过程的效率,在第二阶段增加了一个检查点。考虑到第一阶段结束时的状态分布,建立了该动态系统的性能和成本效益模型。将提出一个三步优化模型的方法。文中给出了三步法的一些数值例子。本文提出的干预决策系统可应用于金融投资、论文提交审核与方案评估、信用评估与贷款申请、产品发布与召回等多个领域。 有短缺和超额成本的定期更换政策 https://zbmath.org/1485.90033 2022-06-24T15:10:38.853281Z “赵旭峰” https://zbmath.org/authors/?q=ai:zhao.xufeng 陈明志 https://zbmath.org/authors/?q=ai:chen.mingchih “中川,东芝” https://zbmath.org/authors/?q=ai:nakagawa.toshio 小结:有人提出,如果在故障发生前过早计划更换时间,系统可能会额外运行一段时间来完成关键操作,从而造成运行成本的浪费,即超额成本;如果故障后更换时间太晚,则会产生巨大的故障成本,即短缺成本,由于不小心计划更换的时间延迟而产生的。为了使预防性置换策略的执行更具普遍性,本文将上述两种可变成本纳入周期性替代策略中。我们首先采用一个标准模型,在这个模型中,装置在周期性的时候被预防性地更换。其次,将先到者和后者的建模方法应用到周期和随机模型中,讨论了在随机工作时间下,先发生者和最后者的更换策略,以寻找最优的周期更换时间。进一步,得到了扩展模型的最优工作数。对上述置换策略进行了分析讨论,最后给出了数值算例。 半定、线性和二次规划中中心曲线的度数 https://zbmath.org/1485.90093 2022-06-24T15:10:38.853281Z “何腾,S” https://zbmath.org/authors/?q=ai:hosten.serkan “香卡,我。” https://zbmath.org/authors/?q=ai:shankar.isabelle “托雷斯,A。” https://zbmath.org/authors/?q=ai:torres.antoni|小托雷斯。a-r |托雷斯。安吉丽卡·托雷斯。阿尔贝托|托雷斯。安娜·托雷斯。艾丽西亚|托雷斯。安吉拉·托雷斯。安娜·m·托雷斯。奥德马尔·佩雷拉|托雷斯。亚历杭德罗托雷斯。天使托雷斯。亚历山德拉·丰塞卡 摘要:在线性、二次、半定规划等凸优化问题中,内点算法跟踪的中心路径的Zariski闭包是一条代数曲线。这条曲线的程度与这些内点算法的复杂度有关,对于线性程序,它是由De Loera、Sturmfels和Vinzant于2012年计算的[\textti{J.A.De Loera}et al.,Found.Comput.Math.12,No.4,509--540(2012;Zbl 1254.90108)]。证明了一般半定规划的中心曲线的阶数等于线性浓度模型的最大似然度。完全二次曲面空间交集理论的新结果表明,这是半定矩阵大小的多项式,次数等于约束数。除此之外,我们还探讨了同一曲线的算术亏格。我们还用不同的方法计算了一般线性规划的中心曲线阶数,这些方法扩展到了一般二次规划的相同阶数。 种植匹配问题:相变与精确结果 https://zbmath.org/1485.90115 2022-06-24T15:10:38.853281Z “莫哈拉米,迈赫达德” https://zbmath.org/authors/?q=ai:moharrami.mehrdad “摩尔,克里斯托弗” https://zbmath.org/authors/?q=ai:moore.cristopher “徐嘉明” https://zbmath.org/authors/?q=ai:xu.jiaming 摘要:我们研究了随机加权完全二部图(K{n,n}\)中的种植匹配恢复问题。对于某些未知的完全匹配\(M^{\ast}\),如果\(e\ in M^{\ast}\),则从一个分布\(P\)和另一个分布(Q\)中提取边的权重(e\notin M^{\ast}\)。我们的目标是根据边缘权重精确或近似地推断出\(M^{\ast}\)。本文取\(P=\exp(\lambda)\)和\(Q=\exp(1/n)\,其中\(M^{\ast}\)的最大似然估计是最小权匹配\(M{\min})。我们得到了\(M^{\ast})和\(M{\min})之间重叠的精确结果,即它们共有的边的分数。对于\(\lambda\geq 4\)我们有几乎完美的恢复,重叠\(1-o(1)\)的概率很高。对于\(\lambda<4\)期望的重叠是一个显式函数\(\alpha(\lambda)<1\):我们通过推广Aldous关于未规划模型的\(\zeta(2)\)猜想的著名证明来计算它,使用局部弱收敛将\(K{n,n}\)与一种加权无限树相关联,然后从这棵树上的消息传递算法推导出一个微分方程组。 经济时间序列的趋势和周期建模 https://zbmath.org/1485.91004 2022-06-24T15:10:38.853281Z “米尔斯,特伦斯·C。” https://zbmath.org/authors/?q=ai:mills.terence-c 出版商描述:经济时间序列中的趋势和周期建模有着悠久的历史,直到20世纪70年代,线性趋势和移动平均数的使用一直是经济学家的基本工具箱。计量经济学的几项发展导致了对从时间序列中提取趋势和周期的技术的彻底改革。在这第二版中,特伦斯·米尔斯扩展了过去(几乎)二十年来趋势和周期领域的研究,向学生和研究人员强调各种技术以及支持他们选择建模趋势和周期的考虑因素。 贝叶斯隐私 https://zbmath.org/1485.91051 2022-06-24T15:10:38.853281Z “埃拉特,冉” https://zbmath.org/authors/?q=ai:eilat.ran “埃利亚兹,卡菲尔” https://zbmath.org/authors/?q=ai:eliaz.kfir “穆小生” https://zbmath.org/authors/?q=ai:mu.xiaosheng 摘要:现代信息技术使人们能够存储、分析和交易史无前例的个人详细信息。这引发了公众讨论,是否应该通过限制商业机构收集的参与者信息的数量或精度来更好地保护个人隐私。我们提出了一种贝叶斯方法来度量机制中的隐私丢失,从而促进了这一讨论。具体地说,我们将与机制相关联的隐私丢失定义为设计师对代理类型的前后信念之间的差异,这种差异是使用Kullback-Leibler分歧计算出来的,而信念的变化是由机制中的代理所采取的行动触发的。我们考虑了隐私损失的事后(对于每种实现类型,信念的最大差异不能超过某个阈值)和事前(所有类型实现的信念预期差异不能超过某个阈值)(\kappa\)。将这些概念应用于[\texdit{M.Mussa}和\texdit{S.Rosen},J.Econ.Theory 18301--317(1978;Zbl 0403.90007)]的垄断筛选环境中,研究了最优隐私约束机制的性质以及福利/利润与隐私水平之间的关系。 概率失真的有限理性 https://zbmath.org/1485.91073 2022-06-24T15:10:38.853281Z “张,挂” https://zbmath.org/authors/?q=ai:zhang.hang “仁,香娟” https://zbmath.org/authors/?q=ai:ren.xiangjuan “马洛尼,劳伦斯T。” https://zbmath.org/authors/?q=ai:maloney.laurence-t 摘要:在风险决策(DMR)中,参与者的选择基于与客观正确的概率值系统不同的概率值。在涉及相对频率判断(JRF)的任务中也发现了类似的系统性失真。这些失真限制了各种任务的性能,一个明显的问题是,为什么我们在使用概率和相对频率信息时系统性地失败?基于三个假设,我们提出了一个概率和相对频率失真的有界对数优势模型(BLO):概率和相对频率被映射到一个内部对数优势尺度上;2)有界性:概率和相对频率的表示范围是有界的,并且边界随任务的变化而动态变化,3)方差补偿:映射部分补偿概率和相对频率值的不确定性。我们将DMR和JRF任务中的人的表现与BLO模型以及11个替代模型的预测进行了比较,每个模型都缺少一个或多个潜在的BLO假设(factorial model comparison)。BLO模型及其假设被证明优于任何替代方案。在一个单独的分析中,我们发现BLO比DMR文献中以前的任何模型都能更好地解释个体参与者的数据。我们还发现,受有界性限制,参与者的扭曲选择近似地使目标任务相关值和内部值之间的互信息最大化,这是有限理性的一种形式。 企业家人力资本与商业模式创新:创业资源获取的沉思作用 https://zbmath.org/1485.91113 2022-06-24T15:10:38.853281Z “Ghi,Tran Nha” https://zbmath.org/authors/?q=ai:ghi.tran-国家卫生局 “安,阮氏丰” https://zbmath.org/authors/?q=ai:anh.nguyen-西丰 “星期四,阮匡” https://zbmath.org/authors/?q=ai:thu.nguyen-匡 “欢,娥匡” https://zbmath.org/authors/?q=ai:huan.ngo-匡 摘要:本研究以人力资本理论为基础,探讨创业资源的形成与商业模式创新。本研究考察了企业家人力资本(包括管理技能和创业技能)通过获得创业资源作为中介对商业模式创新的影响。采用偏最小二乘结构方程模型(PLS-SEM)对越南创业企业的220名创始人/联合创始人进行了样本分析。研究结果支持了管理技能和创业技能通过创业资源获取的中介机制与商业模式创新之间的积极联系。本研究探讨创业资源获取对企业家人力资本与商业模式创新的影响。此外,研究结果还为企业家提高管理技能和创业技能提供了实用价值,以便于获得外部支持资源,促进商业模式创新。最后,本研究提出了一些对企业家管理的启示、研究的局限性和进一步的研究方向。 开放经济中是否存在消费者风险共担?重新考虑了证据 https://zbmath.org/1485.91134 2022-06-24T15:10:38.853281Z “明福德,帕特里克” https://zbmath.org/authors/?q=ai:minford.patrick “欧,志荣” https://zbmath.org/authors/?q=ai:ou.zhirong “朱哲仪” https://zbmath.org/authors/?q=ai:zhu.zhei 小结:我们重温了消费者风险共担和未发现的利率平价的证据。广泛使用的单方程检验对这两种方法都有很大的偏差。利用完全模型间接推理检验(根据montecarlo实验,这是一个无偏且具有金发效应)我们发现风险池假设及其较弱的UIP版本都被普遍接受为全世界DSGE模型的一部分。事实上,风险共担假设(其含义是强有力的跨境消费者联系)以总体上最高的p值通过了这一检验,这表明它值得决策者认真关注,以寻找一个相关的模型来讨论国际货币和其他商业周期政策。 结构性税收改革与公共支出效率 https://zbmath.org/1485.91145 2022-06-24T15:10:38.853281Z “阿方索,安东尼奥” https://zbmath.org/authors/?q=ai:afonso.antonio “乔奥·托瓦尔,贾尔斯” https://zbmath.org/authors/?q=ai:jalles.joao-托瓦 “文西奥,安娜” https://zbmath.org/authors/?q=ai:venancio.ana 摘要:我们以18个经合组织经济体为样本,在2006-2017年间,实证评估了结构性税收改革对政府支出效率的影响。在计算了投入支出效率得分后,我们在一个专门小组中评估了叙述性税收变化与公共部门效率的相关性。研究发现:i)投入效率得分平均在0.6--07之间;ii)税率增加,主要是PIT,对公共部门的效率产生负面影响;(三)从内生性控制看,税率提高仍然与公共部门效率降低有关,主要是PIT和税基的增加提高了公共部门的效率;vi)在扩张时期,增加企业所得税基数和降低个人所得税税率,对公共部门效率产生积极影响;ix)相反,在经济衰退期间,当个人所得税和增值税基数增加,企业所得税税率增加时,效率会提高。 欧元区资本流动50年:打破费尔德斯坦-霍利奥卡之谜 https://zbmath.org/1485.91148 2022-06-24T15:10:38.853281Z “卡马雷罗,玛丽安” https://zbmath.org/authors/?q=ai:camarero.mariam “穆尼奥斯,亚历杭德罗” https://zbmath.org/authors/?q=ai:munoz.alejandro “塔玛瑞特,塞西利奥” https://zbmath.org/authors/?q=ai:tamarit.cecilio 摘要:本文通过研究1970-2019年间国内投资与储蓄之间的长期关系,评估了欧元区国家的资本流动性。我们的主要目标是分析这一时期经济事件对资本流动的影响。我们将协整方法应用于一个环境中,这样我们就可以识别长期储蓄投资关系中的内生中断。确切地说,这些突破与相关的经济事件相吻合。我们发现,自70年代以来,所谓“核心国家”的储蓄-投资保留率呈下降趋势,而在外围国家,这种趋势并不明显,因为金融危机和主权危机的影响更大。此外,我们的分析还包括其他经济事件:汇率机制危机、德国统一、欧洲金融援助计划和后危机时期。我们的研究结果还表明,最初的欧元区设计有一些缺陷尚未解决。 指数族随机图模型的一种理想抽样方法 https://zbmath.org/1485.91179 2022-06-24T15:10:38.853281Z “屁股,卡特T。” https://zbmath.org/authors/?q=ai:butts.carter-t 摘要:从具有非平凡边依赖的随机图模型中生成偏差是一个日益重要的问题。在这里,我们介绍了一种方法,它允许从指数族形式的随机图模型(“指数族随机图”模型)中使用过去的耦合变量进行完美采样。我们通过马尔可夫图的一个应用来说明这种方法的使用,马尔可夫图是一个已经被大量研究的课题。我们还展示了如何将该方法应用于非指数参数化的有偏网络模型。 数字档案作为大数据 https://zbmath.org/1485.91193 2022-06-24T15:10:38.853281Z “马丁内斯·乌里韦,路易斯” https://zbmath.org/authors/?q=ai:martinez-乌里韦。路易斯 摘要:数字档案有助于大数据。根据英国报纸《卫报》的报道,结合社交网络分析、巧合分析、数据简化和视觉分析,可以更好地描述随着时间推移的主题、出版商的主要主题和所有时代的最佳作者。 使Tweedie的复合Poisson模型更容易理解 https://zbmath.org/1485.91208 2022-06-24T15:10:38.853281Z “德隆,Łukasz” https://zbmath.org/authors/?q=ai:delong.lukasz “林德霍姆,马蒂亚斯” https://zbmath.org/authors/?q=ai:lindholm.mathias “Wüthrich,马里奥五世” https://zbmath.org/authors/?q=ai:wuthrich.mario-瓦伦丁 本文作者重新讨论了具有i.i.d.伽马索赔规模的复合Poisson模型。该模型允许两种不同的参数化,泊松伽马参数化和吐威迪复合泊松参数化。导出的结果说明了当这两个参数相同时。本文的主要理论结果给出了不同的广义线性模型参数得到相同预测模型的条件。这些结果提供了一个显著的特性,允许在Tweedie的双广义线性模型中降低校准。在应用部分,作者分析了保险业为什么偏好Poisson-gamma参数化。通过实例,作者发现,这种参数化方法更易于拟合,结果更准确。此外,考虑中的例子表明,在Poisson-gamma情形之后,Tweedie版本在计算上明显缺乏。评审人:乔纳斯·谢尔伊斯(维尔纽斯) 当移动平均模型遇到高频数据时:波动率的统一推断 https://zbmath.org/1485.91220 2022-06-24T15:10:38.853281Z “大,瑞” https://zbmath.org/authors/?q=ai:da.rui “秀,大成” https://zbmath.org/authors/?q=ai:xiu.dacheng 小结:我们对高频噪声数据进行波动性推断。我们假设观察到的交易价格服从连续时间Itô-半鞅,并受到与交易到达相关的离散时间移动平均噪声过程的污染。我们估计波动率,定义为半鞅的二次变化,通过最大化一个错误指定的移动平均模型的可能性,其顺序是基于一个信息准则。我们的推论在一大类噪声过程中是一致有效的,它们的大小和依赖结构随样本大小而变化。我们证明了当噪声消失时,我们的估计量的收敛速度控制\(n ^{1/4}),当噪声足够小时,它的收敛速度取决于噪声依赖的选择阶数。我们的实现保证了在有限样本下的正估计。 GARCH与bootstrap-GARCH估计股价波动性的比较 https://zbmath.org/1485.91221 2022-06-24T15:10:38.853281Z “伽塞米耶,拉欣” https://zbmath.org/authors/?q=ai:ghasmiyeh.rahim “西奈,哈萨纳利” https://zbmath.org/authors/?q=ai:sinaei.hasanali “尼西,阿布多霍森” https://zbmath.org/authors/?q=ai:neysi.abdolhosein “萨尔达拉巴迪,扎哈拉·查哈兰吉” https://zbmath.org/authors/?q=ai:sardarabadi.zahra-查哈兰吉 (无摘要) 波动率的固定-(k\)推断 https://zbmath.org/1485.91233 2022-06-24T15:10:38.853281Z “博勒斯列夫,蒂姆” https://zbmath.org/authors/?q=ai:bollerslev.tim “李,贾” https://zbmath.org/authors/?q=ai:li.jia.2 “廖志鹏” https://zbmath.org/authors/?q=ai:liao.zhipeng 摘要:我们提出了一个关于半鞅资产价格过程潜在现货波动率的非参数推断的新理论。与现有的基于局部估计块中观测值不断增加的渐近概念的理论不同,我们的理论将估计块大小(k)视为固定的。当得到的即期波动率估计不再一致时,新理论允许构造在任何给定时间点的波动率渐近有效且易于计算的逐点置信区间。将该理论扩展到具有越来越多估计块的高维推理设置,进一步允许为波动性路径构造统一的置信区间。一个经验性的实际校准的仿真研究强调了新推理程序的实际可靠性。基于标准普尔500指数盘中数据的实证应用揭示了在联邦公开市场委员会(FOMC)新闻发布时间市场波动性的高度显著的突变或跳跃,验证了各种高频识别方案在资产定价金融和货币经济学中的近期应用。 考虑波动性提高财务困境预测精度:基于区间数据的判别模型 https://zbmath.org/1485.91244 2022-06-24T15:10:38.853281Z “关,荣” https://zbmath.org/authors/?q=ai:guan.rong “王惠文” https://zbmath.org/authors/?q=ai:wang.huiwen “郑海涛” https://zbmath.org/authors/?q=ai:zheng.haitao 摘要:财务困境预测模型在实际困境发生前两年或两年以上识别出一家陷入困境的公司,其原因是危机信号太弱,无法在早期阶段捕捉到。本文创新性地提出了基于区间数据的因子判别模型对困境公司进行预测。本文的主要思想是利用一种新的数据表示方法,即区间数据,对四季度的金融数据进行总结,然后建立一个基于区间数据的判别模型,即i评分模型。区间数据将均值和波动率信息综合纳入预测模型,以期提高对困境公司的预测效果。本文以中国股票市场的实际数据为例进行了比较。并与五种常用的基于数值数据的模型进行了比较。实证研究表明,在提前2年对财务困境高风险公司进行识别时,i评分模型更为准确可靠。 金融数学模型反问题的贝叶斯推理方法 https://zbmath.org/1485.91252 2022-06-24T15:10:38.853281Z “太田,安石” https://zbmath.org/authors/?q=ai:ota.yasushi “江,余” https://zbmath.org/authors/?q=ai:jiang.yu.2|江。余江。于。1 |江。于。3 |江。于。4 “中村将军” https://zbmath.org/authors/?q=ai:nakamura.gen.1|中村。消息 “上崎,Masaaki” https://zbmath.org/authors/?q=ai:uesaka.masaaki 摘要:本文研究了扩展的Black-Scholes模型中期权定价的一个逆问题。我们从测量数据中识别出模型系数,并尝试使用贝叶斯推理方法在金融市场中寻找套利机会。根据实测数据计算参数的后验概率密度函数。利用马尔可夫链蒙特卡罗(MCMC)对后验状态空间进行了估计。MCMC的有效采样策略使我们能够利用贝叶斯推理技术来求解反问题。数值结果表明,贝叶斯推理方法可以同时从测量数据中估计出未知的漂移系数和波动系数。 基因表达数据分析。统计与机器学习视角 https://zbmath.org/1485.92002 2022-06-24T15:10:38.853281Z “巴拉,潘卡” https://zbmath.org/authors/?q=ai:barah.pankaj “巴塔查里亚,德鲁巴·库马尔” https://zbmath.org/authors/?q=ai:bhattacharyya.dhruba-库马尔 “卡利塔,朱加尔·库马尔” https://zbmath.org/authors/?q=ai:kalita.jugal-库马尔 在过去的二十年里,分子生物学中高通量技术的发展促进了大量数据的产生。微阵列和RNA测序是两种广泛应用的高通量技术,可以同时监测数千个基因的表达模式。从这些实验中产生的数据是大量的(无论是在维度上还是在实例的数量上),并且在性质上是不断变化的。分析大量的数据以识别与给定的生物学问题相关的有趣模式需要高性能的计算基础设施以及高效的机器学习算法。生物学家和计算机科学家之间的思想交流仍然是一个很大的挑战。基因表达数据分析:一个统计和机器学习的观点已经写了多学科的受众。这本书从分子生物学、机器学习和统计学的角度讨论基因表达数据分析。读者将能够获得理论和实践知识的方法,识别新模式的高度生物学意义。为了衡量这些算法的有效性,我们讨论了可用于现实生活或模拟环境的统计和生物学性能指标。这本书讨论了大量的基准算法,工具,系统和储存库,通常用于分析基因表达数据和验证结果。这本书将受益于学生,研究人员和在生物学,医学和计算机科学的从业者,使他们能够获得深入的知识统计和基于机器学习的方法分析基因表达数据。主要特点:\开始{itemize}\介绍分子生物学的中心法则和生物系统中的信息流\基因表达数据生成方法的系统综述\项目统计建模和机器学习技术的背景知识\项目详细的基因表达数据分析方法与实例研究\从微阵列、bulkRNA和scRNA数据中寻找共表达模式的项目聚类方法\大量实用的工具、系统和知识库,对计算生物学家创建、分析和验证与生物学相关的基因表达模式非常有用\适用于计算机科学和生物科学的多学科研究人员和实践者\结束{itemize} 生命早起晚到的客观贝叶斯分析 https://zbmath.org/1485.92007 2022-06-24T15:10:38.853281Z “基平,大卫” https://zbmath.org/authors/?q=ai:kiping.david (无摘要) 遗传三人研究中的因果推理 https://zbmath.org/1485.92072 2022-06-24T15:10:38.853281Z “贝茨,斯蒂芬” https://zbmath.org/authors/?q=ai:bates.stephen “塞西亚,马特奥” https://zbmath.org/authors/?q=ai:sesia.matteo “坎迪斯,艾曼纽” https://zbmath.org/authors/?q=ai:candes.emmanuel-j 小结:我们介绍了一种从包括父母和后代在内的遗传数据中得出因果推断的方法,即免疫所有可能的混淆的推论。由于减数分裂过程中的自然随机性可以看作是一个高维的随机性实验,因此可以用这些数据得出因果关系的结论。我们通过开发一种条件独立性测试来确定包含不同因果变异的基因组区域,使这一观察具有可操作性。该数字孪生测试将观察到的后代与来自同一双亲的精心构建的合成后代进行比较,以确定统计显著性,并且它可以利用任何黑箱多变量模型和额外的非遗传数据来提高功效。关键的是,我们的推断仅仅基于一个成熟的重组数学模型,而没有假设基因型和表型之间的关系。我们将我们的方法与广泛使用的传输不平衡测试进行了比较,证明了增强的功率和局部化。 具有数据增广的易感暴露感染恢复流行病模型的贝叶斯推理 https://zbmath.org/1485.92114 2022-06-24T15:10:38.853281Z “贝尔乔迪,乔伊” https://zbmath.org/authors/?q=ai:beldjoudi.chouaib “克南,特菲克” https://zbmath.org/authors/?q=ai:kernane.tewfik “埃尔马鲁菲,哈米德” https://zbmath.org/authors/?q=ai:el-马鲁菲。哈米德 摘要:贝叶斯数据增广方法可以估计易感暴露-感染-恢复(SEIR)流行病模型中的参数,该模型被描述为一个连续时间Markov过程,并通过主方程的收敛性由扩散过程逼近。估计是通过Euler-Maruyama格式模拟的每对观测值之间的潜在数据点进行的,其中除了模型参数外,还包括对缺失数据的插补。将缺失数据和参数视为随机变量,采用马尔可夫链蒙特卡罗算法对缺失数据和参数值进行更新。数值模拟表明了所提出的马尔可夫链蒙特卡罗算法的有效性。 有证据表明冠状病毒的过度传播是厚尾的 https://zbmath.org/1485.92168 2022-06-24T15:10:38.853281Z “黄,费利克斯” https://zbmath.org/authors/?q=ai:wong.felix-s “柯林斯,詹姆斯J。” https://zbmath.org/authors/?q=ai:collins.james-j 摘要:超级传播者,即导致大量继发性病例的感染者,被认为是SARS-CoV-2传播的主要原因。在这里,我们结合对SARS-CoV和SARS-CoV-2传播的经验观察和极值统计,表明继发病例的分布与厚尾一致,这意味着大规模的超扩散事件是极端的,但可能发生。我们将这些结果与基于交互作用的疾病传播网络模型相结合,表明当超级传播是厚尾时,通过增加分散性导致显著的传播。我们的研究结果表明,大规模的超扩散事件应该是减少尾部暴露的干预措施的目标。 核主成分分析与神经网络相结合的过程间接控制 https://zbmath.org/1485.93286 2022-06-24T15:10:38.853281Z “勘误表,A” https://zbmath.org/authors/?q=ai:errachdi.ayachi “斯拉玛,S” https://zbmath.org/authors/?q=ai:slama.sabrine “本雷耶布,M。” https://zbmath.org/authors/?q=ai:benrejeb.mohamed 摘要:提出了一种新的用于非线性离散系统控制的自适应核主元分析(KPCA)。该方法可作为数据预处理技术的一个新命题。实际上,神经网络控制器的输入向量是用KPCA方法进行预处理的。然后,将所得简化神经网络控制器应用于间接自适应控制。以单输入单输出非线性离散系统和多输入多输出系统时变参数为例,讨论了输入数据预处理对神经网络控制器结果精度的影响。结果表明,采用KPCA方法可以显著降低控制误差和辨识误差。结果表明,具有sigmoid核函数的KPCA神经网络具有最小的均方误差和平均绝对误差。 基于网格的耦合系统非线性降噪与反褶积方法 https://zbmath.org/1485.94012 2022-06-24T15:10:38.853281Z “荒木,塞缪尔J。” https://zbmath.org/authors/?q=ai:araki.samuel-j “顾,贾斯汀W。” https://zbmath.org/authors/?q=ai:koo.justin-w “马丁,罗伯特S。” https://zbmath.org/authors/?q=ai:martin.robert-斯科特 “丹孔卡库尔,本” https://zbmath.org/authors/?q=ai:dankongkakul.ben 小结:所有的实验测量都在不同程度上被真实世界的噪声源所破坏,包括采集系统中的电子噪声、周围环境中的远场扰动和局部物理现象。本文提出了一种基于网格的因果耦合系统非线性分析技术,利用高保真参考信号的有效性对目标测量信号进行降噪处理。这一方法的基础,本质上是多维相空间中的系综平均过程,它的建立受到动力系统理论的强烈推动。此外,该技术的直接扩展允许从欠分辨测量信号中恢复时间分辨表示。非线性降噪和时间反卷积扩展应用于来自三个不同耦合动态系统(正弦波系统、洛伦兹系统和霍尔效应推进器)的信号,以证明其对周期、混沌和实验系统的有效性。 二维波达方向估计中非相干和相干分量的有效聚类 https://zbmath.org/1485.94023 2022-06-24T15:10:38.853281Z “莫拉埃,阿米尔·马苏德” https://zbmath.org/authors/?q=ai:molaei.amir-马苏德 “扎克里,比詹” https://zbmath.org/authors/?q=ai:zakeri.bijan “侯赛尼·安达戈利,赛义德·梅赫迪” https://zbmath.org/authors/?q=ai:andargoli.seyed-梅赫迪·侯赛尼 摘要:传统的去相关技术同时解决所有信号在非相干和相干信号的混合情况下是不有效的。在一维阵列的新方法中,非相干信号和相干群是分开求解的。然而,使用不可靠和非自适应阈值是这些方法的最大缺点。另一方面,它们不能用于二维数组。针对这些问题,提出了一种基于k-medoids聚类(SSKMC)的信号分离方法。虽然SSKMC算法没有上述任何缺点,但它依赖于一个基本的限制性假设,即源应该是等功率的。因此,SSKMC算法在实际应用中面临着严重的问题。本文对SSKMC算法进行了扩展,使之能在不同功率源的情况下使用。首先,将二维阵列分成若干平行的线性子阵列。然后,通过定义分量分离矩阵,利用其特征值,识别出非相干分量和相干分量。数学事实证明了该方法的有效性。仿真结果验证了所提方案的有效性和有效性。 基于改进的三平行互素阵的运动平台二维离网DOA估计 https://zbmath.org/1485.94027 2022-06-24T15:10:38.853281Z “思,卫健” https://zbmath.org/authors/?q=ai:si.weijian 曾福红 https://zbmath.org/authors/?q=ai:zeng.fuhong “张春杰” https://zbmath.org/authors/?q=ai:zhang.chunjie “彭,占力” https://zbmath.org/authors/?q=ai:peng.zhanli 摘要:本文通过在移动平台上建立阵列模型,研究了二维(2-D)波达方向(DOA)估计问题。在移动阵列模型的基础上,我们提出了两种改进的三平行互素阵列(TPCPA),它们利用了移动TPCPA(MTPCPA)物理结构中的冗余,能够用更少的传感器生成与MTPCPA相同的虚拟阵列。因此,所提出的阵列可以实现更高的传感器利用率,这有助于增加自由度。此外,针对所提出的阵列,我们还提出了一种二维离网DOA估计算法,该算法不需要额外的配对过程,就可以自动对估计出的二维角度进行配对。特别地,该算法结合了ellupp(0<p<1)范数和优化最小化方法,有效地解决了网格失配问题,从而提高了二维DOA估计性能。最后,数值仿真验证了所提出的阵列和二维离网DOA估计算法的有效性和优越性。 非网格块稀疏贝叶斯波达方向和极化估计方法 https://zbmath.org/1485.94031 2022-06-24T15:10:38.853281Z “赵平娇” https://zbmath.org/authors/?q=ai:zhao.pinjiao “胡国兵” https://zbmath.org/authors/?q=ai:hu.guobing 周鸿成 https://zbmath.org/authors/?q=ai:zhou.hongcheng 摘要:本文从稀疏重建的角度研究了DOA和极化参数估计问题。为了提高估计精度,提出了一种新的离网分层块稀疏贝叶斯方法。首先,通过源控制矢量的一阶泰勒展开,建立了一个离网模型。然后,基于稀疏贝叶斯推理构造块稀疏向量,在此基础上引入两层递阶先验,同时提高块稀疏性和内部稀疏性。最后,采用变分贝叶斯近似对变量和模型参数进行交替更新。此外,还给出了该方法的DOA和极化估计的Cramer-Rao界、收敛性和计算复杂度分析。与现有的稀疏重建方法和传统的基于子空间的方法相比,该方法可以获得更高的估计精度。仿真结果表明了该方法的有效性和显著的性能。 非固定数据集的端到端相似性学习与层次聚类 https://zbmath.org/1485.94036 2022-06-24T15:10:38.853281Z “吉利,莱昂纳多” https://zbmath.org/authors/?q=ai:gigli.leonardo “马可特吉,比阿特丽斯” https://zbmath.org/authors/?q=ai:marcotegui.beatriz “贝拉斯科·福雷罗,圣地亚哥” https://zbmath.org/authors/?q=ai:velasco-福雷罗。圣地亚哥 摘要:层次聚类(HC)是数据分析中一个强大的工具,因为它允许在不同尺度上发现观测数据中的模式。基于相似性的HC方法以固定数目的点和成对相似性矩阵为输入,输出表示嵌套划分的树状图。然而,在某些情况下,无法预先知道整个数据集,因此也无法知道点之间的关系。在本文中,我们考虑一个随机分布的实现集合,并且我们希望为每个样本提取一个层次聚类。每次绘制时元素的数量都不同。基于对Dasgupta成本函数的连续松弛,我们建议将一个三重态损失函数与Chami公式相结合,以学习用于计算最优层次的点之间的最佳相似函数。在四个数据集上测试了两种结构作为相似函数的逼近器。结果表明,与经典方法相比,该方法对噪声具有良好的鲁棒性,对不同的数据集具有更高的适应性。整个系列见[Zbl 1482.94007]。 运输信息黑森距离 https://zbmath.org/1485.94037 2022-06-24T15:10:38.853281Z “李,吴晨” https://zbmath.org/authors/?q=ai:li.wuchen 摘要:在嵌入了\(L^2\)-Wasserstein度量的一维概率密度空间中,我们给出了信息熵的闭式Hessian距离。文中给出了一些分析实例。整个系列见[Zbl 1482.94007]。 量子相对熵的函数描述 https://zbmath.org/1485.94038 2022-06-24T15:10:38.853281Z “帕兹涅特,亚瑟J。” https://zbmath.org/authors/?q=ai:parzynat.arthur-j 摘要:有限概率经典相对熵(KL散度)的贝叶斯函数刻画最近由\texdit{J.C.Baez}和\texdit{T.Fritz}[理论应用类别29,422--456(2014;Zbl 1321.94023)]获得。然后由\texdit{N.Gagné}和\texit{P.Panangaden}[Electron.Notes Theor.Comput.Sci.336135--153(2018;Zbl 07513459)]将其推广到标准Borel空间。在这里,我们提供了初步的计算结果,表明有限维量子(Umegaki)的相对熵可以用类似的方式来描述。也就是说,在相对熵有限的特殊情况下,我们明确地证明了它定义了一个仿射函子。最近的一个非交换分解定理提供了这个证明的一个关键因素。整个系列见[Zbl 1482.94007]。 经典向量值可观测度的信息上同调 https://zbmath.org/1485.94040 2022-06-24T15:10:38.853281Z “维格纳,胡安·巴勃罗” https://zbmath.org/authors/?q=ai:vignaeux.juan-巴勃罗 摘要:本文基于向量值随机变量的递推性质(分别是链式规则和零度秩定理),给出了向量值随机变量及其微分熵和下空间维数的一个新的代数刻画。更精确地说,我们计算了\texdit{P.Baudot}和\texdit{D.Bennequin}[`熵的同调性质',熵17,No.5,3253--3318(2015),\url{https://mdpi-res.com/d_attachment/entropy/entropy-17-03253/article_deploy/entropy-17-03253.pdf}]在一个混合了离散观测值和连续向量值观测值的范畴上的连续概率泛函模中的系数,完全刻画了1-余环;在连续律上,这些协循环是微分熵和维数的线性组合。整个系列见[Zbl 1482.94007]。