均方
- 一類混合中立型隨機(jī)泛函微分方程的均方指數(shù)穩(wěn)定性*
隨機(jī)泛函微分方程均方指數(shù)穩(wěn)定性的判據(jù),Plam[10]采用比較原理和反證法來判定,并舉例說明了結(jié)論的適用性.筆者擬在文獻(xiàn)[10]的基礎(chǔ)上作改進(jìn),即在系統(tǒng)突變的條件下建立新的混合中立型隨機(jī)模型,并討論混合中立型隨機(jī)泛函微分方程均方指數(shù)的穩(wěn)定性.1 模型描述和預(yù)備工作令(Ω,F,{Ft}t∈R+,P)是滿足通常條件的完備概率空間,{Ft:t∈R+}是(Ω,F,P)上給定的σ代數(shù)流,且流Ft是右連續(xù)、單調(diào)增的,F0是所有的P零集.{W(t)}t∈R+是一個定義于
吉首大學(xué)學(xué)報（自然科學(xué)版） 2023年5期2023-12-21
- 高斯白噪聲激勵下微懸臂梁的瞬態(tài)均方響應(yīng)研究
究微懸臂梁的瞬態(tài)均方響應(yīng)。自上世紀(jì)七十年代以來，科研人員對線性或非線性系統(tǒng)的均方響應(yīng)進(jìn)行了大量的研究，并取得了重大進(jìn)展。Grigoriu用平穩(wěn)高斯輸入求得線性系統(tǒng)的瞬態(tài)響應(yīng)[7]。謝秀峰等研究了隨機(jī)激勵下非線性系統(tǒng)的瞬態(tài)響應(yīng)[8-9]。Peng 推導(dǎo)了非平穩(wěn)隨機(jī)激勵下線性系統(tǒng)均方響應(yīng)的封閉解[10]。然而，他們評估均方響應(yīng)的求解方法總是在時域或頻域上進(jìn)行。Hu指出響應(yīng)的極點留數(shù)法可以通過系統(tǒng)轉(zhuǎn)移函數(shù)簡單的代數(shù)運(yùn)算得到，進(jìn)而可以得到系統(tǒng)的響應(yīng)[11]。綜上所
太原科技大學(xué)學(xué)報 2022年4期2022-08-18
- 典型有偏估計方法均方誤差極小值一致性分析
最小的估計方差。均方誤差是衡量不同估計方法優(yōu)劣程度的重要指標(biāo)，估計均方誤差越小，表示這種估計方法越好。 均方誤差等于估計方差與估計偏差平方的代數(shù)和。 經(jīng)典的高斯最小二乘估計是一種無偏估計，即偏差平方等于零，所以高斯最小二乘估計的均方誤差就等于它的估計方差。 當(dāng)數(shù)據(jù)出現(xiàn)復(fù)共線性時，此時最小二乘估計的均方誤差會大幅增加，它不再是最優(yōu)的估計方法。 為了解決這種問題，得到較小的估計均方誤差，科研工作者提出了很多方法，其中，線性有偏估計是最直接有效的方法。 線性有偏
化工自動化及儀表 2022年4期2022-08-16
- 高斯白噪聲下非對稱單穩(wěn)態(tài)能量采集系統(tǒng)的隨機(jī)響應(yīng)分析
率密度，進(jìn)而得到均方電壓和平均輸出功率的表達(dá)式。通過直接Monte Carlo模擬驗證了本文提出方法的有效性，隨后進(jìn)一步研究了非對稱單穩(wěn)態(tài)系統(tǒng)在高斯白噪聲激勵下的穩(wěn)態(tài)隨機(jī)響應(yīng)。1 非對稱單穩(wěn)態(tài)能量采集系統(tǒng)考慮高斯白噪聲下的非對稱單穩(wěn)態(tài)能量采集系統(tǒng)其中δ(τ)是一個狄拉克函數(shù)；τ是相關(guān)時間。系統(tǒng)（1）的勢能函數(shù)為U(X)=1 2X2+1 3αX3+1 4βX4，由圖1可知α的增加將導(dǎo)致勢能函數(shù)U(X)的不對稱程度的增加。圖1 β=1時α對勢能函數(shù)的形狀和對稱
山西大學(xué)學(xué)報（自然科學(xué)版） 2022年4期2022-08-15
- 一類非自治隨機(jī)積分-微分方程的均方漸近概自守溫和解
，F(xiàn)u 等提出了均方概自守隨機(jī)過程的概念[9]，隨后均方漸近概自守隨機(jī)過程和均方偽概自守隨機(jī)過程有關(guān)理論相繼被給出。從應(yīng)用的角度看，隨機(jī)微分方程尤為重要，因為這種方程將隨機(jī)性納入了數(shù)學(xué)描述中。2013年，Li等簡單介紹了方程(1)的研究背景，并研究了該方程的均方概自守溫和解的存在性和唯一性[10]。其中：t∈R，{A(t)}:D(A(t))→L2(P,H)是一族稠定線性閉算子(有可能是無界的)，滿足所謂的“Acquistapace-Terreni”條件，B
黑龍江大學(xué)自然科學(xué)學(xué)報 2022年2期2022-06-14
- 一類半線性隨機(jī)微分方程的均方漸近概自守溫和解
彤 王晶囡摘要：均方概自守型函數(shù)理論在隨機(jī)微分方程中的應(yīng)用越來越引起數(shù)學(xué)研究者的關(guān)注，這類方程的均方漸近概自守解比均方概自守解的應(yīng)用范圍更加廣泛。對一類半線性隨機(jī)微分方程的均方漸近概自守溫和解進(jìn)行探討。利用Banach壓縮映射原理，結(jié)合均方漸近概自守隨機(jī)過程的定義和性質(zhì)、Cauchy-Schwarz不等式、Lipschitz條件、It等距積分，討論了該類隨機(jī)微分方程的均方漸近概自守溫和解的存在唯一性。關(guān)鍵詞：均方漸近概自守溫和解;半線性隨機(jī)微分方程;Ban
哈爾濱理工大學(xué)學(xué)報 2022年4期2022-05-30
- 冪分布的有效估計*
計，計算了估計的均方誤差并對多種估計進(jìn)行比較。然而，對冪分布的概率密度函數(shù)和分布函數(shù)進(jìn)行統(tǒng)計分析的文獻(xiàn)到目前為止還沒有見到，本文將對這一問題進(jìn)行探討。1 概率密度函數(shù)和累積分布函數(shù)的極大似然估計假設(shè)X1,X2,…,X n是從冪分布（1）和（2）中抽取的獨立同分布隨機(jī)樣本，由極大似然法可以得到參數(shù)θ的極大似然估計（MLE）為根據(jù)極大似然估計的不變性，可以得到密度函數(shù)和分布函數(shù)的極大似然估計分別為由于-2θlnX i～χ2(2)，因此，則Y的概率密度函數(shù)為定理
廣西民族大學(xué)學(xué)報(自然科學(xué)版) 2022年1期2022-05-18
- 受非線性白噪聲驅(qū)動的隨機(jī)非自治不可壓縮非牛頓流體的弱拉回吸引子
方程(1)弱拉回均方隨機(jī)吸引子的存在唯一性,這種弱拉回均方隨機(jī)吸引子不同于逐點拉回隨機(jī)吸引子.隨機(jī)動力系統(tǒng)的逐點拉回隨機(jī)吸引子的概念首先在文獻(xiàn)[1-3]中提出,隨后許多專家也進(jìn)行了廣泛的研究;自治的隨機(jī)方程可以參考文獻(xiàn)[4-24],非自治的隨機(jī)方程可以參考[25-29].特別地,隨機(jī)方程(1)的逐點拉回隨機(jī)吸引子的存在唯一性可以在文獻(xiàn)[2,6,14]中查閱,但是這些論文對擴(kuò)散項σ施加了非常嚴(yán)格的條件,要求σ(t,u)在u中是線性的,或者具有非常特殊的結(jié)構(gòu),
四川師范大學(xué)學(xué)報（自然科學(xué)版） 2022年3期2022-05-13
- 基于有偏卡爾曼的多傳感器數(shù)據(jù)融合研究
一種線性無偏最小均方誤差估計，它只能保證在整個線性無偏估計類中是最優(yōu)的，但并不能保證在整個線性估計中仍是最優(yōu)的[3]。有偏卡爾曼可以通過引入偏差進(jìn)一步降低卡爾曼的估計均方誤差[4-5]。目前關(guān)于有偏卡爾曼濾波算法的研究比較少，雖然文獻(xiàn)[6]給出了有偏卡爾曼的構(gòu)造思想，或者只給出了某一時刻卡爾曼的有偏算法而沒考慮有偏卡爾曼濾波的迭代過程[7]。本文基于統(tǒng)一有偏估計思想，推導(dǎo)出完整的有偏卡爾曼濾波過程，然后將有偏卡爾曼分別與擴(kuò)維融合和序貫融合相結(jié)合，提出擴(kuò)維有
儀表技術(shù)與傳感器 2022年1期2022-02-25
- 有損信道下網(wǎng)絡(luò)化系統(tǒng)的均方最優(yōu)漸近跟蹤
信道與網(wǎng)絡(luò)化系統(tǒng)均方穩(wěn)定性之間的關(guān)系;Elia等[13]研究了隨機(jī)丟包對網(wǎng)絡(luò)化反饋系統(tǒng)穩(wěn)定性的約束;Lu等[14]分析了信道中存在信噪比約束以及隨機(jī)丟包、固定時延等不確定性時,系統(tǒng)均方穩(wěn)定的充分必要條件.為了更全面地描述通訊信道不確定性的特征,根據(jù)這些特征來分析和設(shè)計系統(tǒng),本文要對通訊信道進(jìn)行建模.網(wǎng)絡(luò)控制的最新發(fā)展表明,信道不確定性可以是并行無記憶噪聲通信信道,用零均值的隨機(jī)乘性噪聲可以有效地描述信道不確定性.Elia[6]的研究表明,隨機(jī)乘性噪聲為通訊
控制理論與應(yīng)用 2021年11期2022-01-08
- 兩種馬爾可夫鏈狀態(tài)轉(zhuǎn)移概率矩陣的估計與比較
題，提出用偏差和均方誤差來比較轉(zhuǎn)移概率矩陣的估計，并利用計算機(jī)進(jìn)行仿真實驗。1 馬爾可夫鏈任意等間隔子序列也是馬爾可夫鏈設(shè)隨機(jī)序列{Xn，n=0，1，2，…}可能取值為E={1，2，…，m}，初始分布為q=(q1，q2，…，qm)，且序列滿足馬爾可夫性，即對任意的正整數(shù)n，i0，i1，…，in-1，i，j∈E有P(Xn+1=j|Xn=i，Xn-1=in-1，…，X1=i1，X0=i0)=P(Xn+1=j|Xn=i)=pij故認(rèn)為序列{Xn，n=0，1，2，
重慶理工大學(xué)學(xué)報(自然科學(xué)) 2021年8期2021-09-13
- 半變系數(shù)模型中參數(shù)的幾乎無偏Liu估計
無偏Liu估計的均方誤差，得模擬結(jié)果如下：表1 五種估計的均方誤差模擬結(jié)果（n=50，h=0.1025，ρ=0.80，k=1.2591）表2 五種估計的均方誤差模擬結(jié)果（n=50，h=0.1025，ρ=0.90，k=1.2578）表3 五種估計的均方誤差模擬結(jié)果（n=150，h=0.0851，ρ=0.90，k=1.2574）表4 五種估計的均方誤差模擬結(jié)果（n=150，h=0.0851，ρ=0.95，k=1.3148）表5 五種估計的均方誤差模擬結(jié)果（n=
統(tǒng)計理論與實踐 2021年4期2021-05-15
- 逆濾波器設(shè)計中若干基本問題的探討*
法有很多，如最小均方誤差[5-7]、復(fù)倒譜法[8]、基于LMS或卡爾曼濾波的算法等[9]，其中最簡單也最常用的方法是最小均方誤差設(shè)計方法。最小均方誤差法設(shè)計的逆系統(tǒng)與原系統(tǒng)的級聯(lián)在均方誤差最小化意義下逼近一個純時延全通系統(tǒng)。在最小均方誤差逆濾波器設(shè)計中，一個經(jīng)常被忽視的問題是原、逆濾波器級聯(lián)系統(tǒng)所逼近的全通系統(tǒng)的時延問題（或群延遲問題）[6]。級聯(lián)系統(tǒng)的時延大小取決于原系統(tǒng)的相位特性。最小均方誤差逆濾波器設(shè)計包括單輸入-單輸出系統(tǒng)（Single Input
通信技術(shù) 2021年4期2021-05-08
- Poisson回歸模型的幾乎無偏Liu估計
的兩參數(shù)估計，在均方誤差矩陣意義下證明所提估計的優(yōu)良性；文獻(xiàn)[10]給出了Poisson回歸模型中嶺參數(shù)的幾種估計方法；文獻(xiàn)[11]針對偏差較小的情況，提出新的Poisson回歸嶺估計，研究了新估計的偏差、方差及均方誤差；文獻(xiàn)[12]將兩參數(shù)估計擴(kuò)展到負(fù)二項和Poisson回歸模型上，給出了參數(shù)的幾種估計方法，并在均方誤差準(zhǔn)則下研究了估計的性質(zhì)；文獻(xiàn)[13]在文獻(xiàn)[7]的基礎(chǔ)上提出幾個新的參數(shù)估計方法；文獻(xiàn)[14]提出了Poisson回歸模型的懲罰嶺型收縮
河南教育學(xué)院學(xué)報（自然科學(xué)版） 2021年1期2021-04-29
- 混合系數(shù)線性模型參數(shù)的廣義Liu估計
態(tài)時,LS估計的均方誤差過大,穩(wěn)定性不好.針對此情況,郭金亞等提出了一種有偏估計,即Liu估計[4].本文改進(jìn)Liu估計后給出了廣義Liu估計,并證明了在均方誤差意義下,此類估計分別優(yōu)于最小二乘估計、Liu估計,最后討論了參數(shù)的選取問題.本文符號說明:對于矩陣A和B,A ≥0表示A為半正定矩陣;A >0表示A為正定矩陣;A ≥B表示A ≥0,B ≥0且A ?B ≥0;A>B表示A ≥0,B ≥0且A ?B >0.2.廣義Liu估計模型(1.5)的典則形式為
應(yīng)用數(shù)學(xué) 2021年2期2021-04-16
- 大誤差條件下尾流自導(dǎo)魚雷齊射間隔問題
kn，魚雷速度均方誤差1 kn，魚雷航向均方誤差1°，目標(biāo)方位均方誤差0.3°。一般情況下，目標(biāo)速度誤差、航向誤差、距離誤差同時存在。若占領(lǐng)目標(biāo)舷角80°發(fā)射陣位，當(dāng)存在綜合誤差時，圖3 為目標(biāo)速度均方誤差1 kn、航向均方誤差3°、距離均方誤差5%Dg 時不同魚雷間隔條件下魚雷捕獲目標(biāo)尾流概率，此時按照系統(tǒng)自動計算的魚雷間隔雙雷齊射，魚雷捕獲目標(biāo)尾流概率為0.999。可見，當(dāng)目標(biāo)運(yùn)動要素誤差不大時，采用系統(tǒng)自動計算魚雷間隔值即可。圖4 為目標(biāo)速度均方誤
火力與指揮控制 2021年2期2021-03-24
- 兩個聽音點處三維聲場重建方法
.1 聲壓的相對均方誤差比較相對均方誤差（Relative Mean Square Error，RMSE）的定義為：圖1 揚(yáng)聲器位置擺放圖其中，積分區(qū)域V是一個半徑為α，中心為點A的球體，為V中任意一點，分別為原始聲壓和重建的聲壓。相對均方誤差的對比參見圖2。當(dāng)α=0.085 m 時，Ando 方 法、PVMSZ 方 法 和SPPVTLP 方法產(chǎn)生的相對均方誤差如表1。對于10聲道揚(yáng)聲器擺放，在一個人頭大小的區(qū)域內(nèi)（區(qū)域1）SPPVTLP 方法產(chǎn)生的相對均
計算機(jī)工程與應(yīng)用 2021年3期2021-02-04
- 隨機(jī)變延遲微分方程平衡方法的收斂性和穩(wěn)定性
相容和p2=1階均方相容的.引理5若式(3),(4),(15)成立, 則平衡方法(10)-(11)均值相容階為3/2, 均方相容階為1.證明： 首先證明平衡方法(10)-(11)的均值相容階為3/2. 由引理4知, Euler方法的均值相容階為3/2, 則其中:Q5=2k0Q1+KQ2+2KQ4;由式(25),(26)得由式(27)得(28)將式(28)代入式(27)得由式(29)得注意到x(tn)為Ftn-可測, 且ΔWn與Ftn獨立, 利用引理3得(3
吉林大學(xué)學(xué)報（理學(xué)版） 2020年6期2020-11-26
- Beidou, le système de navigation par satellite compatible et interopérable
計^mH(x)的均方誤差為Dans le secteur du transport, le BDS a été appliqué dans le contr?le de processus clés liés au transport, de la sécurité des infrastructures routières, et du positionnement et de la répartition de haute précision en t
今日中國·法文版 2020年7期2020-07-04
- 多閾值隨機(jī)匯池網(wǎng)絡(luò)自適應(yīng)估計性能研究
下的最優(yōu)權(quán)向量與均方誤差(4)(5)(6)將式(6)帶入式(5)，得最小均方誤差為(7)在多閾值情況下進(jìn)行具體分析，由式(3)可以得出條件均值和二階矩(8)(9)那么相關(guān)向量Pxy中(10)(11)協(xié)方差矩陣Cyy的對角元素Cii和非對角元素Cil分別為(12)(13)這里i,l=1,2,…,N且i≠l。利用協(xié)方差矩陣特征值及特征向量的分析[14]，最優(yōu)權(quán)向量wo和最小均方誤差可以簡化為(14)(15)1.2.3 多閾值隨機(jī)匯池網(wǎng)絡(luò)的Fisher信息(16
復(fù)雜系統(tǒng)與復(fù)雜性科學(xué) 2019年3期2019-11-05
- 帶Poisson 跳年齡相關(guān)隨機(jī)時滯種群系統(tǒng)的均方穩(wěn)定性
ADDPSs)的均方穩(wěn)定性研究很少.帶跳模型也出現(xiàn)在許多其他應(yīng)用領(lǐng)域,并且能描述意想不到的突然的狀態(tài)變化[8].針對年齡相關(guān)隨機(jī)種群系統(tǒng),由于一些突發(fā)事件的變化,比如地球外物體的影響人口系統(tǒng)的規(guī)模大大增加或減少,因此使用跳躍擴(kuò)散系統(tǒng)能更好得描述人口密度的動態(tài).此外研究這些問題的解的性質(zhì)是很有價值的.本文我們將討論如下帶Poisson 跳年齡相關(guān)隨機(jī)時滯種群系統(tǒng)其中a ∈[0,A]為年齡,t ∈[0,T]為時間,P=P(t,a),Q=(0,T)×(0,A),
數(shù)學(xué)雜志 2019年4期2019-07-31
- 基于自適應(yīng)四叉樹的網(wǎng)頁分塊技術(shù)
的大小與圖像屬性均方誤差和有關(guān)。對圖像進(jìn)行分割就需要給出分割的標(biāo)準(zhǔn)，本文分別采用了三種分割標(biāo)準(zhǔn)：“GBR顏色均方誤差”、“HSV顏色均方誤差”、“圖片信息熵”。顏色是圖像的重要特征，也是人識別圖像的主要感知特征之一，圖像的RGB顏色均方誤差或HSV顏色均方誤差越大，圖像的顏色越豐富，圖像就不純，當(dāng)誤差大于某一個閾值時，就認(rèn)為圖像是應(yīng)該被切割的。對像素顏色特征出現(xiàn)的頻率進(jìn)行統(tǒng)計可以直觀地表示圖像內(nèi)容：RGB顏色均方誤差公式如下：HSV顏色均方誤差的公式如下：
現(xiàn)代計算機(jī) 2019年6期2019-04-08
- 基于隨機(jī)Taylor展開式的三種隨機(jī)微分方程半隱式數(shù)值求解方法
半隱式方法：2 均方穩(wěn)定性分析選取線性試驗方程：將SIM1方法應(yīng)用于線性試驗方程（2.1）可得：將SIM2方法應(yīng)用于線性試驗方程（2.1）可得：將SIM3方法應(yīng)用于線性試驗方程（2.1）可得：SIM1方法的均方穩(wěn)定函數(shù)[3]為：SIM2方法的均方穩(wěn)定函數(shù)為：SIM3方法的均方穩(wěn)定函數(shù)為：三種方法和其它幾種方法（Euler方法[4]，Milstein方法[5]，半隱式Milstein方法[6]）的均方穩(wěn)定域比較如下圖1，圖2，圖3所示.圖1 （SIM1方法）
赤峰學(xué)院學(xué)報·自然科學(xué)版 2018年8期2018-09-23
- 響應(yīng)傾向得分匹配插補(bǔ)法
系數(shù)估計的偏差和均方誤差作為插補(bǔ)法優(yōu)良性的評價指標(biāo)。偏差是回歸系數(shù)估計值與真值之差的平均數(shù)，均方誤差為回歸系數(shù)估計值與真值之差值平方的平均數(shù)。為了對比分析，這里也給出了采用基于歐式距離的最近鄰插補(bǔ)法、傾向得分匹配插補(bǔ)法和回歸插補(bǔ)法的模擬結(jié)果。結(jié)果顯示在完全隨機(jī)無回答機(jī)制下和隨機(jī)無回答機(jī)制下，無回答率為10%的模擬結(jié)果介于無回答率為5%和20%的模擬結(jié)果之間。后文中僅給出無回答率為5%和20%的具體結(jié)論。(一)完全隨機(jī)無回答機(jī)制下回歸系數(shù)估計量的偏差和均方誤
統(tǒng)計與信息論壇 2018年8期2018-08-15
- 矩陣機(jī)制下差分隱私數(shù)據(jù)發(fā)布方法的誤差分析*
私算法來說，計算均方誤差是該算法最為基本也是最為重要的工作。然而，現(xiàn)有的大部分差分隱私算法對均方誤差的估計，往往是基于實驗或者采用先統(tǒng)計各變量的均方誤差再累加的方法。該做法使得難以對算法的均方誤差進(jìn)行定量分析，或者使得分析過程極為復(fù)雜，不能有效、簡潔地讓讀者了解該算法的精確性，給讀者在算法的理解上造成一定的困擾。近年來，許多研究學(xué)者提出了多種差分隱私數(shù)據(jù)發(fā)布算法，其中多數(shù)集中在兩方面：一是以k-叉樹的形式對數(shù)據(jù)進(jìn)行處理，然后采用一致性約束的分層結(jié)構(gòu)差分隱私
計算機(jī)與生活 2018年7期2018-07-13
- 參數(shù)模型的預(yù)檢驗幾乎無偏兩參數(shù)估計
兩參數(shù)估計，并在均方誤差準(zhǔn)則下對估計的統(tǒng)計性質(zhì)做了研究。1 估計的提出為了解決參數(shù)模型（1）中的復(fù)共線性問題，Wu和Yang[8]提出了幾乎無偏兩參數(shù)估計，其表達(dá)式為：結(jié)合Kaciranlar等[9]得到約束最小二乘估計的方法，本文提出如下的約束幾乎無偏兩參數(shù)估計：當(dāng)不能確定等式約束條件式（2）是否成立時，本文得到基于F檢驗的預(yù)檢驗幾乎無偏兩參數(shù)估計其中I(A)為事件A的示性函數(shù)，F(xiàn)α表示自由度為(q，n-p)的中心F分布的上α分位數(shù)。2 估計的性質(zhì)2.1
統(tǒng)計與決策 2018年12期2018-07-12
- 均方誤差意義下預(yù)檢驗兩參數(shù)估計的優(yōu)良性
并對估計的偏差和均方誤差等性質(zhì)做了研究。Kibria和 Saleh[5]，Saleh[6]，Yang 和 Xu[7]，Kibria[8]，Arashi等[9]對各類預(yù)檢驗估計的性質(zhì)進(jìn)行了研究。本文在Yang和Chang[10]提出的兩參數(shù)估計的基礎(chǔ)上，運(yùn)用預(yù)檢驗估計的思想，提出預(yù)檢驗兩參數(shù)估計，新的估計包含了預(yù)檢驗估計，預(yù)檢驗嶺估計和預(yù)檢驗Liu估計。進(jìn)而，在均方誤差準(zhǔn)則下，給出預(yù)檢驗兩參數(shù)估計優(yōu)于預(yù)檢驗估計，預(yù)檢驗嶺估計和預(yù)檢驗Liu估計的充分條件。2
統(tǒng)計與決策 2018年1期2018-03-21
- 線性模型的一種新的幾乎無偏兩參數(shù)估計
估計的推廣，并在均方誤差矩陣準(zhǔn)則下，給出了新的估計優(yōu)于最小二乘估計、幾乎無偏嶺估計、幾乎無偏Liu估計以及文獻(xiàn)[11]提出的幾乎無偏兩參數(shù)估計的充分條件。1 新估計的提出線性模型的一般形式為：其中，Y是n×1可觀測向量；X是n×p列滿秩已知設(shè)計矩陣；β是 p×1未知參數(shù)向量；ε是n×1隨機(jī)誤差向量；In是n階單位陣。文獻(xiàn)[14]提出了線性模型參數(shù)的一種兩參數(shù)估計，其定義為：其中，參數(shù) k＞d＞0，β?是模型（1）下的最小二乘估計。結(jié)合文獻(xiàn)[8]中幾乎無偏估
統(tǒng)計與決策 2017年24期2018-01-13
- 分?jǐn)?shù)Brown運(yùn)動隨機(jī)固定資產(chǎn)模型數(shù)值解的均方散逸性
資產(chǎn)模型數(shù)值解的均方散逸性李 強(qiáng)1, 張啟敏1,2, 李西寧2*(1. 北方民族大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院, 寧夏 銀川 750021; 2. 寧夏大學(xué) 數(shù)學(xué)與計算機(jī)學(xué)院, 寧夏 銀川 750021)討論一類帶分?jǐn)?shù)Brown運(yùn)動隨機(jī)固定資產(chǎn)模型數(shù)值解的均方散逸性.在一定條件下,根據(jù)It公式和Bellman-Gronwall型引理,得出了模型具有均方散逸性.分別利用分步倒向Euler方法和補(bǔ)償?shù)瓜駿uler方法討論數(shù)值解的均方散逸性,并給出數(shù)值解散逸存在的充分
四川師范大學(xué)學(xué)報（自然科學(xué)版） 2017年5期2017-11-08
- 邏輯回歸模型中的混合最大似然估計
大似然估計; 在均方誤差矩陣意義下, 將新估計與最大似然估計、嶺估計、Liu估計、約束最大似然估計、隨機(jī)約束最大似然估計比較, 最后通過蒙特卡羅模擬方法驗證其優(yōu)良性.邏輯回歸; 復(fù)共線性; 隨機(jī)約束嶺估計; 均方誤差矩陣0 引言本文考慮如下模型yi=πi+εi,i=1,2,…,n,(1)最大似然估計是估計參數(shù)β的常用方法,β的最大似然估計表達(dá)式為(2)文獻(xiàn)[1]提出了邏輯嶺估計為(3)文獻(xiàn)[2]提出了邏輯Liu估計為(4)考慮如下約束條件h=Hβ+v;E(
河南教育學(xué)院學(xué)報（自然科學(xué)版） 2017年3期2017-11-04
- 逆瑞利分布的有效估計
達(dá)式。對估計量的均方誤差和變異系數(shù)做漸進(jìn)展開, 在大樣本下給出逆瑞利分布有效估計的判斷條件。逆瑞利分布； 密度函數(shù)； 分布函數(shù)；MLE; UMVUEAbstract∶The MLE and UMVUE of the density function and distribution function were derived for the inverse Rayleigh distribution, and the explicit expression
山東科學(xué) 2017年5期2017-10-12
- 與年齡相關(guān)的隨機(jī)種群模型解的均方散逸性
隨機(jī)種群模型解的均方散逸性張啟敏*, 李西寧, 楊 莉(寧夏大學(xué)數(shù)學(xué)統(tǒng)計學(xué)院,銀川 750021)討論了一類與年齡相關(guān)的隨機(jī)種群模型數(shù)值解的均方散逸性: 基于步長h受限制和無限制的2種條件, 利用倒向歐拉法和補(bǔ)償?shù)牡瓜驓W拉法分析了該隨機(jī)種群模型數(shù)值解的均方散逸性并加以證明, 結(jié)論證明補(bǔ)償?shù)牡瓜驓W拉法更適合解決與年齡相關(guān)的隨機(jī)種群模型數(shù)值解的均方散逸性問題.隨機(jī)種群模型; 倒向歐拉法; 補(bǔ)償?shù)牡瓜驓W拉法; 均方散逸性微分方程數(shù)值解的均方散逸性已引起了諸多學(xué)者
華南師范大學(xué)學(xué)報（自然科學(xué)版） 2017年4期2017-09-11
- 不動點和一類非線性隨機(jī)動力系統(tǒng)的穩(wěn)定性
給出了確保其零解均方漸近穩(wěn)定性條件.這些條件不需要時滯有界，也不要求系統(tǒng)的系數(shù)函數(shù)符號固定.給出的均方漸進(jìn)穩(wěn)定性定理一定程度上推廣和改進(jìn)了相關(guān)文獻(xiàn)的結(jié)果.非線性中立型隨機(jī)動力系統(tǒng)；不動點; 變時滯;均方漸近穩(wěn)定目前很多專家和學(xué)者都選擇采用不動點方法研究隨機(jī)動力系統(tǒng)的穩(wěn)定性，得到了很優(yōu)異的結(jié)果.如文獻(xiàn)[1-6]利用不動點方法研究過隨機(jī)動力系統(tǒng)零解的存在性、周期性、有界性和穩(wěn)定性，文獻(xiàn)[7-12]也采用不動點方法研究過多種類型的隨機(jī)動力系統(tǒng)的穩(wěn)定性.作為此項研
山東理工大學(xué)學(xué)報（自然科學(xué)版） 2017年5期2017-07-05
- 基于馬氏切換的時滯脈沖隨機(jī)Cohen睪rossberg神經(jīng)網(wǎng)絡(luò)模型的均方指數(shù)穩(wěn)定性分析
隨機(jī)CGNNs以均方估計，研究基于馬氏切換的脈沖時滯隨機(jī)CohenGrossberg神經(jīng)網(wǎng)絡(luò)模型的均方指數(shù)穩(wěn)定性，并利用數(shù)值例子對結(jié)論加以證明.關(guān)鍵詞CohenGrossberg網(wǎng)絡(luò)模型；均方指數(shù)穩(wěn)定性；馬氏切換中圖分類號O175文獻(xiàn)標(biāo)志碼A0引言在過去的幾十年里，神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域有著廣泛的研究和應(yīng)用，吸引了國內(nèi)外許多學(xué)者的關(guān)注[15].CohenGrossberg神經(jīng)網(wǎng)絡(luò)模型，由Cohen和Grossberg在1983年首次提出[1]，包括著名的細(xì)胞神
南京信息工程大學(xué)學(xué)報 2017年3期2017-05-30
- 非線性隨機(jī)參數(shù)模型的Legendre多項式逼近誤差
10072)利用均方誤差最小原則研究參數(shù)取值對Legendre多項式逼近誤差的影響.分析數(shù)值解的均方誤差,結(jié)果表明,模型參數(shù)的選取對近似逼近精度有顯著影響,其中參數(shù)的標(biāo)準(zhǔn)差σ對近似逼近的精度影響最大,σ增大10倍時,近似逼近的均方誤差可能會增加104倍.通過選取合適的參數(shù)Legendre多項式能有效逼近含有界隨機(jī)參數(shù)的非線性經(jīng)濟(jì)周期模型.Legendre多項式逼近法;有界隨機(jī)參數(shù);經(jīng)濟(jì)周期模型0 引 言在宏觀經(jīng)濟(jì)問題研究中,影響經(jīng)濟(jì)運(yùn)行的因素很多,且各因素
紡織高校基礎(chǔ)科學(xué)學(xué)報 2016年4期2017-01-17
- 一類隨機(jī)微分方程的均方漸近概自守溫和解
一類數(shù)學(xué)模型，其均方漸近概自守溫和解比均方概自守溫和解具有更廣的應(yīng)用范圍。介紹了均方漸近概自守隨機(jī)過程的概念和一些基本性質(zhì)，利用Banach不動點定理、卷積族的指數(shù)穩(wěn)定性及均方漸近概自守隨機(jī)過程的相關(guān)性質(zhì)，研究了實可分的Hilbert空間中一類具有延遲的非自治隨機(jī)微分方程的均方漸近概自守溫和解的存在性和唯一性。endprint
哈爾濱理工大學(xué)學(xué)報 2016年3期2016-11-05
- The impact resistance of Kevlar woven fabrics impregnated with highly concentrated multiphase suspensions
論哪種模型得到的均方末端距都與統(tǒng)計單元數(shù)目的一次方成正比,而單元數(shù)目恰恰與分子量是線性相關(guān)的,因此均方末端距與分子量呈線性正比關(guān)系.用均方末端距除以鏈的分子量就可以得到一個能表征分子鏈剛?cè)嵝缘奶卣鲄?shù)——分子無擾尺寸:Fig. 2 Dynamic loads for the impact tests of neat and STF-Kevlar composite targetsfor （a） spike, and （b） knife3.3Stab res
環(huán)球市場 2016年9期2016-09-22
- Ridge-type spectral decomposition estimators inmixed effects models with stochastic restrictions
估計的方法.利用均方誤差矩陣和廣義均方誤差對固定效應(yīng)參數(shù)的幾種估計量進(jìn)行比較,給出條件嶺型譜分解估計優(yōu)于條件譜分解估計的充分條件,并給出這兩種估計的相對效率的上下界.最后,模擬算例驗證了理論結(jié)果的正確性.混合效應(yīng)模型; 均方誤差矩陣; 嶺型譜分解估計; 隨機(jī)線性約束date: 2016-03-20Shanghai Municipal Science and Technology Research Project (14DZ1201900);NSFC gra
上海師范大學(xué)學(xué)報·自然科學(xué)版 2016年4期2016-09-20
- 相依誤差線性模型中的主成分s-K估計
s-K估計;并在均方誤差陣意義下,得到了這類估計分別優(yōu)于廣義最小二乘估計、主成分估計、r-k和s-K估計的充要條件.Monto Carlo數(shù)值模擬表明,新估計是一種同時克服自相關(guān)性和復(fù)共線性的有效方法.自相關(guān)性;復(fù)共線性;主成分回歸估計;s-K估計;均方誤差陣為了克服統(tǒng)計學(xué)中線性模型的復(fù)共線性問題,常用的方法是使用有偏估計.如Stein估計[1]、主成分回歸(PCR)估計[2]、普通嶺(ORR)估計[3]、Liu估計[4]和s-K估計[5]等.此外,融合兩
吉林大學(xué)學(xué)報（理學(xué)版） 2015年3期2015-08-16
- 含非線性擾動的變時滯隨機(jī)微分系統(tǒng)的均方漸近穩(wěn)定性
滯隨機(jī)微分系統(tǒng)的均方漸近穩(wěn)定性柴雙龍1,2, 李樹勇1* (1. 四川師范大學(xué) 數(shù)學(xué)與軟件科學(xué)學(xué)院, 四川 成都 610066; 2. 綿陽師范學(xué)院 數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院, 四川 綿陽 621006)研究一類含有非線性擾動的變時滯隨機(jī)系統(tǒng)的均方漸近穩(wěn)定性問題.通過構(gòu)造Lyapnov-Krasovskii泛函,運(yùn)用It公式,借助Lyapunov穩(wěn)定性理論思想,利用Riccati矩陣方程相關(guān)知識,建立該系統(tǒng)的均方漸近穩(wěn)定的充分條件.最后給出數(shù)值實例,驗證所得結(jié)
四川師范大學(xué)學(xué)報（自然科學(xué)版） 2015年6期2015-05-04
- K－D 估計及其優(yōu)良性研究①
則K－D 估計在均方誤差矩陣意義優(yōu)于LS 估計的充要條件為證明:LS 估計的均方誤差矩陣為則K－D 估計的均方誤差矩陣為其中Sr(K)=Λ1+Kr，Sr(D)=Λ1+Dr所以2 K－D 估計的可容許性可知則又因為λ1≥λ2≥…≥λp，則即，由于K=diag(k1，k2，k3，…，kp)，D = diag(d1，d2，d3，…，dp)，其中0 ＜di＜ki＜1，i=1，2，…，r，1 ≤r ≤p，稱)是β 的可容許估計.3 K－D 估計的優(yōu)良性推廣對于以上證
佳木斯大學(xué)學(xué)報（自然科學(xué)版） 2015年5期2015-04-14
- 多種自適應(yīng)算法在回聲消除中的應(yīng)用*
)針對歸一化最小均方(NLMS)算法應(yīng)用在回聲消除中的缺點,即收斂速度慢,對非平穩(wěn)信號的自適應(yīng)能力差等。論文引入成比例歸一化最小均方(PNLMS)算法、成比例歸一化最小均方改進(jìn)型(PNLMS++)算法、仿射投影(APA)算法以及成比例仿射投影(PAPA)算法,仿真得到這幾種算法的均方誤差和系數(shù)誤差曲線,比較這幾種算法均方誤差和系數(shù)誤差曲線的收斂速度以及收斂水平,分析得出PNLMS算法、PNLMS++算法以及PAPA算法收斂速度最快,收斂水平最低,在回聲消除
艦船電子工程 2015年9期2015-03-14
- 基于極端值存在時的隨機(jī)抽樣改進(jìn)方法
，所以能減小總的均方誤差，從而提高了估計精度。同時從定性判斷的角度來說，極小值單元的影響可以小到忽略不計的程度，極大值單元的影響可以大到必然入樣的程度，這也是符合邏輯的。本文中隨機(jī)抽樣以簡單隨機(jī)抽樣為例，估計量以總量估計為例，因為有極端值存在時，此時均值并沒有很好的代表性，不宜估計均值，但估計總量仍然是成立的。本文將針對極小值和極大值兩種情況分別討論，從論證和例證兩個角度揭示方法的應(yīng)用條件和改進(jìn)效果。1 方法基礎(chǔ)1.1 簡單隨機(jī)抽樣下的總量估計1.2 刪除
統(tǒng)計與決策 2015年14期2015-02-18
- 線性模型參數(shù)一類新的s－K估計
現(xiàn)較差，有較大的均方誤差.為了克服這一缺點，研究者們放棄了無偏性，提出了一些有偏估計.如Hoerl等［1］提出了嶺估計（RE）：其中k＞0是可選參數(shù)，稱為嶺參數(shù).嶺估計的本質(zhì)是在設(shè)計陣的計算中引入一個偏參數(shù)k，通過合理取k值減少由復(fù)共線性帶來的誤差.之后，Hoerl等［2］又提出了嶺估計的一種推廣形式，稱為廣義嶺估計（GRE）：其中：K＝diag（k1，k2，…，kp），ki＞0（i＝1，2，…，p）為參數(shù)；Q＝（φ1，φ2，…，φp）為標(biāo)準(zhǔn)正交陣，而φ1
吉林大學(xué)學(xué)報（理學(xué)版） 2014年1期2014-10-25
- 脈沖隨機(jī)微分系統(tǒng)的均方指數(shù)穩(wěn)定性分析
沖隨機(jī)微分系統(tǒng)的均方指數(shù)穩(wěn)定性分析陳涵a，楊樹杰b，牟朝霞c（海軍航空工程學(xué)院a.研究生管理大隊；b.基礎(chǔ)部；c.軍事教育與訓(xùn)練系，山東煙臺264001）研究了脈沖隨機(jī)時滯微分泛函方程的均方指數(shù)穩(wěn)定性問題。利用Lyapunov-Razumikhin型方法及隨機(jī)分析的一些技巧，建立了一類脈沖隨機(jī)泛函微分方程的均方指數(shù)穩(wěn)定性定理。脈沖隨機(jī)微分方程；均方指數(shù)穩(wěn)定；Lyapunov-Krasovskii函數(shù)近年來，脈沖泛函微分系統(tǒng)（IFDSs）的穩(wěn)定性的問題吸引著
海軍航空大學(xué)學(xué)報 2014年3期2014-09-13
- 中立型隨機(jī)延遲微分方程θ-方法的均方穩(wěn)定性*
分方程θ-方法的均方穩(wěn)定性*王文強(qiáng)(湘潭大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院,湖南 湘潭 411105)討論θ-方法用于求解非線性中立型隨機(jī)延遲微分方程初值問題時數(shù)值解的穩(wěn)定性，給出了θ-方法均方穩(wěn)定的一個充分條件.中立型隨機(jī)延遲微分方程;θ-方法；均方穩(wěn)定隨機(jī)延遲微分方程數(shù)值方法的穩(wěn)定性研究是一件很有意義的工作,近年來已經(jīng)開始受到越來越多的學(xué)者關(guān)注,相關(guān)的研究成果逐漸多起來.文獻(xiàn)[1]提出了隨機(jī)延遲微分方程Milstein方法.文獻(xiàn)[2]建立了數(shù)值方法的均方穩(wěn)定性(M
吉首大學(xué)學(xué)報（自然科學(xué)版） 2014年2期2014-09-05
- 帶跳隨機(jī)延遲微分方程半隱式Euler方法的均方指數(shù)穩(wěn)定性
Euler方法的均方指數(shù)穩(wěn)定性徐麗麗，劉 翙(湖北師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院， 湖北 黃石 435002)研究帶跳隨機(jī)延遲微分方程半隱式Euler方法的均方指數(shù)穩(wěn)定性.將半隱式Euler方法應(yīng)用到維納過程和泊松過程驅(qū)動下的非線性隨機(jī)延遲微分方程上進(jìn)行討論,給出了半隱式Euler方法的均方指數(shù)穩(wěn)定性的條件.非線性帶跳隨機(jī)延遲微分方程;半隱式Euler方法;均方指數(shù)穩(wěn)定1 引言及預(yù)備知識當(dāng)前由于帶跳隨機(jī)延遲微分方程與確定性模型問題比較,往往能夠更加真實地模擬科學(xué)
湖北師范大學(xué)學(xué)報(自然科學(xué)版) 2014年2期2014-08-24
- 基于約束總體最小二乘方法的到達(dá)時差到達(dá)頻差無源定位算法
存在著定位偏差和均方誤差對測量噪聲的適應(yīng)能力較差的缺點。該文根據(jù)TDOA/FDOA的偽線性定位方程組特點，將其建立為一種帶約束條件的約束總體最小二乘(CTLS)模型，并采用拉格朗日乘子法求解帶約束條件的CTLS問題，建立了幾種最小二乘類定位方法的統(tǒng)一解，從而將約束加權(quán)最小二乘(CWLS)定位解和約束最小二乘(CLS)定位解變?yōu)樵撐腃TLS定位解的特例。仿真表明，該文方法比兩步加權(quán)最小二乘方法具有更低的均方誤差，并能夠有效減小定位偏差，因而具有更好的測量噪聲
電子與信息學(xué)報 2014年5期2014-05-30
- Stability of Improved Semi-implicit Milstein Methods for Stochastic Differential Equations
stein方法的均方穩(wěn)定和漸近穩(wěn)定性.對線性檢驗方程,得到了改進(jìn)的半隱Milstein方法對任意步長Δt＞0均方穩(wěn)定的充要條件是證明了當(dāng)方法的步長充分小時,方法能保持原系統(tǒng)的漸近穩(wěn)定性.半隱Milstein方法; 隨機(jī)微分方程; 均方穩(wěn)定; 漸近穩(wěn)定2012-04-20湖南省教育廳青年項目 (11B095).李啟勇 (1977-),湖南武岡人,懷化學(xué)院講師,博士生,主要研究隨機(jī)微分方程數(shù)值解.
懷化學(xué)院學(xué)報 2012年7期2012-10-23
- 模糊隨機(jī)過程函數(shù)列均方一致Henstock積分的可積性*
,對模糊隨機(jī)過程均方Henstock積分的研究顯得非常欠缺[5-9]。由于收斂定理對積分理論的研究非常重要,因此,研究模糊隨機(jī)過程均方Henstock積分的收斂定理是非常有意義的。 本文引進(jìn)了二階模糊隨機(jī)過程均方一致Henstock可積的概念,利用均方一致Henstock可積,研究了二階模糊隨機(jī)過程均方一致Henstock可積的充分必要條件,得出了模糊隨機(jī)過程函數(shù)列的收斂定理。1 預(yù)備知識模糊數(shù)空間Ed={v:Rd→[0,1]},v滿足如下條件：對于任意的
- 固支半球殼的隨機(jī)響應(yīng)分析
向白噪聲激勵下的均方響應(yīng)，并給出了殼體各點的穩(wěn)態(tài)均方響應(yīng)曲線和時變均方響應(yīng)曲線。球殼；隨機(jī)振動；均方響應(yīng)1 引言殼體結(jié)構(gòu)具有很好的空間傳力性能，廣泛應(yīng)用于工程結(jié)構(gòu)中。殼體結(jié)構(gòu)在實際使用中，經(jīng)常受到各種載荷的激勵，而這些激勵多是隨機(jī)的。因此，有必要研究殼體結(jié)構(gòu)在隨機(jī)激勵下的隨機(jī)響應(yīng)。而近一個世紀(jì)來，球殼振動問題，除了固有模態(tài)求解[1,2,7,13]，對于強(qiáng)迫振動，大多數(shù)限于研究確定性振動響應(yīng)問題[3,5,6]。由于20世紀(jì)50年代人們才開始隨機(jī)振動的探討，因
武漢紡織大學(xué)學(xué)報 2010年1期2010-09-06
- 全數(shù)字接收機(jī)中基于準(zhǔn)自適應(yīng)短時反饋的殘余頻偏糾正算法
殘余頻偏算法采用均方誤差值作為衡量標(biāo)準(zhǔn)，通過調(diào)節(jié)步長來改善殘余頻偏，計算方法簡單，硬件容易實現(xiàn)，仿真結(jié)果顯示性能良好。2 殘余頻偏在全數(shù)字接收機(jī)中，設(shè)ck為發(fā)送的數(shù)據(jù)信號序列，Δω為載波頻偏，θ為載波初始相偏，n(k)～N(0,2σ2)為方差是σ2的加性高斯白噪聲，r(k)表示經(jīng)定時恢復(fù)后的數(shù)據(jù)信號，則在定時恢復(fù)理想的條件下滿足以下條件。在實際中，受所采用的頻偏估計算法的精度和噪聲等因素的影響，由頻偏估計算法計算得到的載波頻偏Δω并不等于真實存在的頻偏值，
電信科學(xué) 2010年7期2010-06-11