期刊文献+
共找到2,679篇文章
< 1 2 134 >
每页显示 20 50 100
一类Lindley模型参数的经验Bayes检验收敛速度的改进
1
作者 黄金超 《吉首大学学报(自然科学版)》 CAS 2024年第3期13-18,共6页
利用递归核估计和单调性,构造了Lindley模型参数的经验Bayes检验函数,并在适当的条件下,证明了收敛速度的阶可任意接近O(n^(-1)).
关键词 Lindley分布族 递归核估计 Bayes检验 经验BAYES检验 收敛速度
下载PDF
基于β收敛法的绿色技术创新产出演变规律研究
2
作者 赵巧芝 毛露含 《电力科学与工程》 2024年第5期38-46,共9页
以绿色低碳转型为研究背景,从空间差异、空间交互与空间收敛3个维度分析了绿色技术创新产出的动态演变及收敛性。首先,利用Dagum基尼系数法识别绿色技术创新产出的空间差异程度,再进一步将其分解为群内差异、群间差异和超变密度因素的影... 以绿色低碳转型为研究背景,从空间差异、空间交互与空间收敛3个维度分析了绿色技术创新产出的动态演变及收敛性。首先,利用Dagum基尼系数法识别绿色技术创新产出的空间差异程度,再进一步将其分解为群内差异、群间差异和超变密度因素的影响,从而发现空间差异的主要来源;然后,运用莫兰指数和散点图探究空间交互特征与集聚类型;最后,以β收敛模型分析空间收敛趋势。以我国绿色技术创新产出实际情况为例进行分析研究,发现:空间差异程度处于中高水平,东中西地区间差异是主要原因;空间互动从“微弱”转变为“显著”,“高–高”类型集聚于长三角地区,“低–低”集聚以中西部省份为主;省域间表现出明显的条件β收敛态势。相关建议为:注重长三角和京津地区“创新发动机”功能,加速溢出通道建设,为释放绿色技术创新的空间协同潜力提供方向。 展开更多
关键词 绿色技术创新 Dagum基尼系数 莫兰指数 贝塔收敛 收敛速度
下载PDF
具有厚尾分布的φ混合相依随机变量样本均值的收敛速度 被引量:1
3
作者 唐福全 韩东 《应用概率统计》 CSCD 北大核心 2023年第1期93-100,共8页
本文研究了φ混合相依随机变量在有限均值和无穷方差下样本均值的收敛速度.将样本均值分解为主部均值和尾部均值之和,我们不仅得到了样本均值的收敛速度,而且证明了主部均值的收敛速度快于尾部均值的收敛速度.
关键词 收敛速度 样本均值 Φ混合序列 厚尾分布
下载PDF
测量误差模型方差多变点的估计及收敛速度 被引量:1
4
作者 沙达克提•艾力 董翠玲 《理论数学》 2023年第11期3262-3271,共10页
当已知测量误差模型中误差的方差存在变点时,对方差变点用特征函数构造了一个含有调节参数的“CUSUM型估计量”,研究了方差变点估计量的弱(强)相合性以及收敛速度,并结合“二元分割法”推广至多个方差变点的估计。利用基于数据驱动的调... 当已知测量误差模型中误差的方差存在变点时,对方差变点用特征函数构造了一个含有调节参数的“CUSUM型估计量”,研究了方差变点估计量的弱(强)相合性以及收敛速度,并结合“二元分割法”推广至多个方差变点的估计。利用基于数据驱动的调节参数选取方法选取适合的调节参数,并应用含有调节参数的“CUSUM型估计量”对黄金价格的涨跌幅的方差进行实证分析,结果表明基于调节参数“CUSUM型估计量”得到的方差变点与实际相符,且估计量更稳健。 展开更多
关键词 测量误差模型 方差变点 调节参数 相合性 收敛速度 二元分割法
下载PDF
快速收敛的低复杂度稀疏水声信道估计方法
5
作者 李宪鹏 王海斌 +3 位作者 汪俊 台玉朋 甘维明 张永霖 《应用声学》 CSCD 北大核心 2024年第4期709-718,共10页
针对水声信道的稀疏特性,该文基于集员L1范数约束比例调节仿射投影算法,在不增加稳态误差的前提下,首先采用一种鲁棒集员滤波思想,通过设定动态误差门限加速算法收敛速度;另外针对其矩阵计算复杂度高问题,利用历史的比例调节矩阵优化信... 针对水声信道的稀疏特性,该文基于集员L1范数约束比例调节仿射投影算法,在不增加稳态误差的前提下,首先采用一种鲁棒集员滤波思想,通过设定动态误差门限加速算法收敛速度;另外针对其矩阵计算复杂度高问题,利用历史的比例调节矩阵优化信道更新方程,使得某些过程矩阵可通过递归方法更新,从矩阵运算角度降低了计算复杂度。湖试和海试数据处理结果表明,面对弱时变和强时变信道时,此方法相对已有稀疏水声信道估计方法略微降低稳态误差的同时具有更快的收敛速度,并从矩阵运算和迭代次数两个方面降低了计算复杂度。 展开更多
关键词 仿射投影算法 收敛速度 集员滤波 低复杂度实现
下载PDF
基于NTK理论和改进时间因果的物理信息神经网络加速收敛算法
6
作者 潘小果 王凯 邓维鑫 《力学学报》 EI CAS CSCD 北大核心 2024年第7期1943-1958,共16页
物理信息神经网络(physics-informed neural networks,PINNs)是一类将先验物理知识嵌入神经网络的方法,目前已经成为求解偏微分方程领域的研究热点.尽管PINNs在数值模拟方面展现出巨大的应用前景,但它仍然面临收敛缓慢的挑战.文章从神... 物理信息神经网络(physics-informed neural networks,PINNs)是一类将先验物理知识嵌入神经网络的方法,目前已经成为求解偏微分方程领域的研究热点.尽管PINNs在数值模拟方面展现出巨大的应用前景,但它仍然面临收敛缓慢的挑战.文章从神经正切核(neural tangent kernel,NTK)理论出发,通过对单隐藏层神经网络模型进行分析,推出PINNs的神经正切核矩阵具体表达式,并以此进一步分析PINNs收敛速度的影响因素,给出PINNs快速收敛的两个必要条件.应用神经正切核理论分析PINNs领域的3种相关算法(时间因果算法、傅里叶特征嵌入、学习率退火)的加速收敛效果,结果表明这3种算法均不能满足PINNs加速收敛的所有必要条件.文章提出一种动态傅里叶特征嵌入时间因果算法(dynamic Fourier feature embedding causality,DFFEC),综合考虑了NTK矩阵特征值平衡和时间顺序收敛对PINNs收敛速度的影响,在AllenCahn,Reaction,Burgers和Advection等4个算例上的数值实验结果表明,所提出的DFFEC算法可以显著提高PINNs的收敛速度.特别是在Allen-Cahn算例上,与时间因果算法相比,所提出的DFFEC算法具有至少50倍的加速收敛效果. 展开更多
关键词 物理信息神经网络 收敛速度 谱偏差 神经正切核 非定常流动
下载PDF
NA随机变量对数律的收敛速度
7
作者 邱德华 赵倩君 《应用概率统计》 CSCD 北大核心 2023年第5期659-666,共8页
设{X,X_(n),n>1}是同分布的NA随机变量序列,h(·)>0是定义在(0,∞)上的不减函数且满足∫_(1)^(∞)[th(t)^(-1)dt=∞.令ψ(t)=∫_(1)^(t)[sh(s)]^(-1)ds,t≥1,S_(n)=Σ_(i=1)^(n)X_(i),n≥1,Lt=ln max{e,t}.本文证明了Σ_(n)^(... 设{X,X_(n),n>1}是同分布的NA随机变量序列,h(·)>0是定义在(0,∞)上的不减函数且满足∫_(1)^(∞)[th(t)^(-1)dt=∞.令ψ(t)=∫_(1)^(t)[sh(s)]^(-1)ds,t≥1,S_(n)=Σ_(i=1)^(n)X_(i),n≥1,Lt=ln max{e,t}.本文证明了Σ_(n)^(∞)=1[nh(n)]^(-1)P(max_(1)≤j≤n|S_(j)|≥(1+ε)σ√2nLψ(n))<∞,∀ε>0成立的充要条件是E(X)=0和E(X^(2))=σ^(2)∈(0,∞).这一结果部分地推广了文献[7]的结论. 展开更多
关键词 NA随机变量 对数律 收敛速度
下载PDF
广义线性模型中极大拟似然估计的强收敛速度 被引量:4
8
作者 尹长明 李永明 王朋炎 《数学物理学报(A辑)》 CSCD 北大核心 2009年第4期1058-1064,共7页
在supEi≥1||yi||^(2+α)<∞(对某个α>0)和其它正则条件下,证明了一般联系函数的多维广义线性模型拟似然估计的强相合性,并得到了强收敛速度,其中yi是响应变量.此结果是对文献中相应结果的改进.
关键词 广义线性模型 拟似然估计 强相合性 收敛速度.
下载PDF
区间截断情况下,分布函数估计及其收敛速度 被引量:1
9
作者 丁邦俊 《应用概率统计》 CSCD 北大核心 2008年第5期531-540,共10页
首先将文[11]的结论推广到任意k点均匀分布(k≥3),然后用k点均匀分布的累积分布函数去逼近连续总体的分布函数,在适当的条件下,证明了用区间数据估计出的分布函数收敛速度为O(n)-2/9.
关键词 区间数据 随机逼近 收敛速度.
下载PDF
随机删失下回归函数最近邻估计的强收敛速度
10
作者 廖靖宇 薛留根 《应用概率统计》 CSCD 北大核心 2007年第3期310-318,共9页
针对随机右删失数据,就截尾时间变量的分布已知和未知两种情况,构造了一类非参数回归函数的最近邻估计,在适当的条件下得到估计量的强收敛速度.
关键词 随机删失 回归函数 最近邻估计 收敛速度.
下载PDF
拟概率空间上学习理论的关键定理和学习过程一致收敛速度的界 被引量:22
11
作者 哈明虎 冯志芳 +1 位作者 宋士吉 高林庆 《计算机学报》 EI CSCD 北大核心 2008年第3期476-485,共10页
进一步讨论了拟概率的一些性质,给出了拟概率空间上的拟随机变量及其分布函数、期望和方差的概念及若干性质;证明了拟概率空间上的Markov不等式、Chebyshev不等式和Khinchine大数定律;给出并证明了拟概率空间上学习理论的关键定理和学... 进一步讨论了拟概率的一些性质,给出了拟概率空间上的拟随机变量及其分布函数、期望和方差的概念及若干性质;证明了拟概率空间上的Markov不等式、Chebyshev不等式和Khinchine大数定律;给出并证明了拟概率空间上学习理论的关键定理和学习过程一致收敛速度的界,把概率空间上的学习理论的关键定理和学习过程一致收敛速度的界推广到了拟概率空间,为系统地建立拟概率上的统计学习理论与构建支持向量机奠定了理论基础. 展开更多
关键词 拟概率 期望风险泛函 经验风险泛函 关键定理 一致收敛速度的界
下载PDF
保留精英遗传算法收敛性和收敛速度的鞅方法分析 被引量:29
12
作者 喻寿益 邝溯琼 《控制理论与应用》 EI CAS CSCD 北大核心 2010年第7期843-848,共6页
论文引入鞅方法取代传统的马尔科夫链理论,研究保留精英遗传算法(EGA)的收敛条件和收敛速度.通过把EGA的最大适应值函数过程描述为下鞅,基于下鞅收敛定理构造使算法满足几乎处处收敛的充分条件,分析了概率1收敛充分条件与算法操作参数... 论文引入鞅方法取代传统的马尔科夫链理论,研究保留精英遗传算法(EGA)的收敛条件和收敛速度.通过把EGA的最大适应值函数过程描述为下鞅,基于下鞅收敛定理构造使算法满足几乎处处收敛的充分条件,分析了概率1收敛充分条件与算法操作参数的关系,并计算了EGA获得全局最优解所需的最大进化代数.使用鞅方法分析遗传算法收敛性具有独特的优势,成为分析遗传算法收敛性及其性能的新方法. 展开更多
关键词 EGA 下鞅 最大适应值 几乎处处收敛 收敛速度
下载PDF
进化算法的收敛速度 被引量:8
13
作者 任庆生 叶中行 曾进 《上海交通大学学报》 EI CAS CSCD 北大核心 1999年第6期671-673,共3页
遗传算法、进化规划和进化策略这三类进化算法都是基于对自然进化的模拟,其区别在于产生下一代群体的规则不同,但下一代群体的产生又都是仅依赖于其父代,因而进化算法的运行过程可以视为一个Markov过程,其状态转移矩阵可以表... 遗传算法、进化规划和进化策略这三类进化算法都是基于对自然进化的模拟,其区别在于产生下一代群体的规则不同,但下一代群体的产生又都是仅依赖于其父代,因而进化算法的运行过程可以视为一个Markov过程,其状态转移矩阵可以表示成一个统一的形式.利用矩阵范数的基本性质,得到了进化算法收敛速度的一个下界,同时也得到了进化算法收敛性的一个证明,并由此解释了遗传算法能很快地得到一个较好的解而要花费较长时间才能得到最优解的原因。 展开更多
关键词 进化算法 状态转移矩阵 收敛速度 遗传算法
下载PDF
AANA序列的强大数定律和强收敛速度 被引量:6
14
作者 陈志勇 刘婷婷 +1 位作者 陈烛蔷 王学军 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2012年第12期1725-1728,共4页
针对相依序列的强大数定律研究,特别是其强收敛速度的研究受到许多学者的关注。文章研究了比NA序列要弱的AANA序列部分和强大数定律,并给出了其收敛速度和上确界的可积性;给出了NA序列的部分和强大数定律、收敛速度及上确界可积性等结果。
关键词 AANA序列 NA序列 强大数律 收敛速度
下载PDF
可控网络中多Agent系统信念可达性和收敛速度分析 被引量:3
15
作者 王鹏 罗军舟 +2 位作者 李伟 卞正皑 曲延盛 《软件学报》 EI CSCD 北大核心 2010年第4期782-792,共11页
在可控网络中,利用多agent系统是网络控制的一种重要方法.在可控网络中,多agent系统中所有agent持有的信念必须在决策前达到与网络实际状态一致,即多agent系统的信念应具有可达性,是实现网络合理控制的基础.传统的基于agent行为的信念... 在可控网络中,利用多agent系统是网络控制的一种重要方法.在可控网络中,多agent系统中所有agent持有的信念必须在决策前达到与网络实际状态一致,即多agent系统的信念应具有可达性,是实现网络合理控制的基础.传统的基于agent行为的信念更新模型建模过程复杂,不适合在网络控制中直接分析多agent系统信念的可达性和收敛速度.基于传统的信念更新模型,提出了信念距离的概念,并在该概念的基础上提出了新的多agent系统信念距离更新模型,并证明了该模型的合理性.该模型对多agent系统信念距离更新过程加以描述,利用线性系统对多agent系统信念收敛过程进行描述,简化了对多agent系统信念可达性和收敛速度分析的复杂性.在该模型基础上,对网络控制中多agent系统信念可达性和收敛速度进行了分析,给出了判断多agent系统信念可达性的充要条件和收敛速度的上限.另外,针对全耦合网络和无标度网络两种复杂网络的特点,分别对两种网络下多agent系统信念可达性和收敛速度进行了讨论.提出的信念距离更新模型具有良好的适应性,为判断多agent系统的信念可达性提供了有力的工具. 展开更多
关键词 网络控制 多AGENT 信念可达性 收敛速度 可控网络
下载PDF
LDPC码串行译码策略的收敛速度分析 被引量:7
16
作者 杨洋 陈超 +1 位作者 白宝明 王新梅 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2010年第5期795-800,共6页
基于校验节点分组的LDPC码串行译码策略具有很高的收敛速度,但当分组数过多,并行度过低时译码时延很大.针对此问题,利用外信息转移(EXIT)图技术找到收敛速度和译码时延的平衡点.首先推导不同分组数下串行译码策略的EXIT函数,然后通过比... 基于校验节点分组的LDPC码串行译码策略具有很高的收敛速度,但当分组数过多,并行度过低时译码时延很大.针对此问题,利用外信息转移(EXIT)图技术找到收敛速度和译码时延的平衡点.首先推导不同分组数下串行译码策略的EXIT函数,然后通过比较函数对应的EXIT曲线估计出在不牺牲收敛速度的前提下该策略能达到的最大并行度.仿真结果验证了EXIT图分析的正确性. 展开更多
关键词 LDPC码 迭代译码 串行译码策略 收敛速度 外信息转移图
下载PDF
迭代学习控制的收敛速度分析 被引量:11
17
作者 朴凤贤 张庆灵 王哲峰 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第8期835-838,共4页
针对线性时不变控制系统,讨论了D型和P型学习律收敛速度问题.利用时间加权范数和Frobenius范数给出了迭代学习控制系统在D型和P型学习律作用下收敛的充分性条件,进而给出系统迭代次数与约束条件之间的定量关系以及收敛速度与约束条件之... 针对线性时不变控制系统,讨论了D型和P型学习律收敛速度问题.利用时间加权范数和Frobenius范数给出了迭代学习控制系统在D型和P型学习律作用下收敛的充分性条件,进而给出系统迭代次数与约束条件之间的定量关系以及收敛速度与约束条件之间的关系,同时利用Frobenius范数性质,并通过梯度法给出如何求解D型和P型学习律使得系统收敛速度最快的增益矩阵的方法.最后,仿真实例说明了该方法的有效性. 展开更多
关键词 迭代学习控制 时间加权范数 学习律 收敛速度
下载PDF
二阶Hopfield型神经网络的稳定性分析及收敛速度的估计 被引量:7
18
作者 徐炳吉 廖晓昕 +1 位作者 刘新芝 陈钦生 《电子学报》 EI CAS CSCD 北大核心 2003年第1期63-67,共5页
本文讨论二阶连续Hopfield型神经网络平衡点的全局稳定性问题 ,利用LMI方法和Lyapunov方法得到了网络平衡点全局渐近稳定和全局指数稳定的几个充分条件 ,并对其指数收敛速度进行了估计 .
关键词 HOPFIELD型 二阶神经网络 全局渐近稳定性 指数收敛速度 平衡点
下载PDF
Hopfield连续联想记忆的吸引域和指数收敛速度的估计及其应用 被引量:10
19
作者 梁学斌 吴立德 《电子学报》 EI CAS CSCD 北大核心 1996年第1期40-43,共4页
本文得到了Hopfield连续联想记忆各记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度的估计结果,它们可用来评价Hopfield连续反馈联想记忆的容错能力,且可用于综合更为实用的连续联想记忆神经网络。
关键词 神经网络 基本约束 吸引域 指数收敛速度
下载PDF
卷弧翼火箭弹圆锥运动收敛速度计算方法 被引量:9
20
作者 赵良玉 杨树兴 《固体火箭技术》 EI CAS CSCD 北大核心 2009年第1期15-19,共5页
为研究卷弧翼火箭弹圆锥运动稳定情况下的收敛速度,以章动角坐标系下描述其运动性态的微分方程组为基础,运用小偏差线性化方法和劳斯判据得到了卷弧翼火箭弹圆锥运动的渐近稳定性判别条件。在满足该条件的情况下,推导了圆锥运动收敛速... 为研究卷弧翼火箭弹圆锥运动稳定情况下的收敛速度,以章动角坐标系下描述其运动性态的微分方程组为基础,运用小偏差线性化方法和劳斯判据得到了卷弧翼火箭弹圆锥运动的渐近稳定性判别条件。在满足该条件的情况下,推导了圆锥运动收敛速度的通用计算公式,并指出圆锥运动的过渡过程是指数收敛过程和振荡收敛过程的叠加。算例表明,该计算公式所得结果与原非线性方程组所得结果吻合较好。最后,指出只适用于小锥角情况是该方法的局限性,并给出了进一步的研究方向。 展开更多
关键词 卷弧翼火箭弹 圆锥运动 收敛速度 线性化
下载PDF
上一页 1 2 134 下一页 到第
使用帮助 返回顶部