广义加权平衡指数损失函数下的信度保费 被引量：5

1

作者 张强 吴黎军 《统计与决策》 CSSCI 北大核心 2013年第1期89-91,共3页

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险实务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷。文章在指数保费原理的基础上,引入广义加权平衡指数损失函数计算了下一期的信度保费计算公式... 在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险实务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷。文章在指数保费原理的基础上,引入广义加权平衡指数损失函数计算了下一期的信度保费计算公式,从而得出Bayes保费可以写成信度保费形式。 展开更多

关键词 指数保费原理 信度保费 广义加权平衡指数损失函数 Bayes保费

在线阅读 下载PDF 职称材料

Mlinex损失函数下广义指数分布形状参数的Bayes估计 被引量：2

2

作者 徐美萍 丁新月 莫立坡 《统计与决策》 CSSCI 北大核心 2015年第6期76-78,共3页

文章给出了Mlinex损失函数下两参数广义指数分布形状参数的Bayes估计及其容许性,并对该分布的充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现。

关键词 广义指数分布 Mlinex损失函数 BAYES估计 容许性

在线阅读 下载PDF 职称材料

刻度指数族参数的经验Bayes双边检验问题——加权损失函数情形 被引量：3

3

作者 张倩 韦来生 《中国科学技术大学学报》 CAS CSCD 北大核心 2013年第2期156-161,共6页

在加权损失函数下讨论了刻度指数族中参数的经验Bayes(EB)双边检验问题.利用概率密度函数及其导数的核估计方法构造了EB检验函数并证明了其渐近最优性,获得了其收敛速度.最后,给出了一个符合定理条件的例子.

关键词 刻度指数族 EB双边检验 加权乘积损失函数 渐近最优性 收敛速度

在线阅读 下载PDF 职称材料

加权平衡熵损失函数下Poisson分布参数的Bayes估计 被引量：3

4

作者 程建华 毛施云 王德辉 《吉林大学学报（理学版）》 CAS 北大核心 2019年第4期839-843,共5页

首先,基于平衡损失函数的形式,给出一个加权平衡熵损失函数,并将其应用到Poisson分布中,得到了该损失函数下参数的Bayes估计.其次,在先验分布为Gamma分布的条件下,给出估计量的显式表达式,证明估计量的相合性,并利用QQ图的方法检验估计... 首先,基于平衡损失函数的形式,给出一个加权平衡熵损失函数,并将其应用到Poisson分布中,得到了该损失函数下参数的Bayes估计.其次,在先验分布为Gamma分布的条件下,给出估计量的显式表达式,证明估计量的相合性,并利用QQ图的方法检验估计量的渐近正态性。 展开更多

关键词 加权平衡熵损失函数 BAYES估计 随机模拟 相合性 渐近正态性

在线阅读 下载PDF 职称材料

熵损失函数下两参数广义指数分布形状参数的Bayes估计 被引量：8

5

作者 王国富 《统计与决策》 CSSCI 北大核心 2010年第1期154-155,共2页

在熵损失函数下,讨论了两参数广义指数分布形状参数的Bayes估计和可容许估计,并讨论了一类(CT+d)-1形式估计的可容许性和不可容许性。

关键词 BAYES估计 熵损失函数 可容许性 广义指数分布

在线阅读 下载PDF 职称材料

应用罚函数方法构建广义指数因子预报模型——黄金价格预测的实证分析 被引量：6

6

作者 严威 尹伟 +1 位作者 缪柏其 叶五一 《中国科学院研究生院学报》 CAS CSCD 北大核心 2012年第2期162-168,共7页

采用不同的损失函数和罚函数构建了广义指数预报因子模型,用该模型来预测国际黄金价格.构建方法包括:1)岭估计方法;2)基于L1、L2以及二者结合的损失函数LM,利用LASSO和SCAD 2种罚函数选取不同参数EWMA的线性组合作为预报因子.实证检验表... 采用不同的损失函数和罚函数构建了广义指数预报因子模型,用该模型来预测国际黄金价格.构建方法包括:1)岭估计方法;2)基于L1、L2以及二者结合的损失函数LM,利用LASSO和SCAD 2种罚函数选取不同参数EWMA的线性组合作为预报因子.实证检验表明,该方法构建的模型有效改进了单参数EWMA预测模型,其预测精度优于已有方法. 展开更多

关键词 广义指数因子 黄金价格预测 变量选择 罚函数 损失函数

在线阅读 下载PDF 职称材料

基于多类指数损失函数逐步添加模型的改进多分类AdaBoost算法 被引量：8

7

作者 翟夕阳 王晓丹 +1 位作者 雷蕾 魏晓辉 《计算机应用》 CSCD 北大核心 2017年第6期1692-1696,共5页

多类指数损失函数逐步添加模型(SAMME)是一种多分类的Ada Boost算法,为进一步提升SAMME算法的性能,针对使用加权概率和伪损失对算法的影响进行研究,在此基础上提出了一种基于基分类器对样本有效邻域分类的动态加权Ada Boost算法SAMME.R... 多类指数损失函数逐步添加模型(SAMME)是一种多分类的Ada Boost算法,为进一步提升SAMME算法的性能,针对使用加权概率和伪损失对算法的影响进行研究,在此基础上提出了一种基于基分类器对样本有效邻域分类的动态加权Ada Boost算法SAMME.RD。首先,确定是否使用加权概率和伪损失;然后,求出待测样本在训练集中的有效邻域;最后,根据基分类器针对有效邻域的分类结果确定基分类器的加权系数。使用UCI数据集进行验证,实验结果表明:使用真实的错误率计算基分类器加权系数效果更好;在数据类别较少且分布平衡时,使用真实概率进行基分类器筛选效果较好;在数据类别较多且分布不平衡时,使用加权概率进行基分类器筛选效果较好。所提的SAMME.RD算法可以有效提高多分类Ada Boost算法的分类正确率。 展开更多

关键词 集成学习 多分类 ADA Boost算法 多类指数损失函数逐步添加模型(SAMME) 动态加权融合

在线阅读 下载PDF 职称材料

加权平衡损失下泊松分布参数的Bayes估计 被引量：3

8

作者 刘素蓉 任海平 《统计与决策》 CSSCI 北大核心 2010年第16期17-19,共3页

文章在加权平衡损失函数下,得到了泊松分布参数的Bayes估计和可容许估计,并讨论了一类cX+d形式估计的可容许性和不可容许性。

关键词 加权平衡损失函数 BAYES估计 可容许性 伽玛分布

在线阅读 下载PDF 职称材料

加权指数损失下长短时记忆网络换道意图识别模型 被引量：6

9

作者 王皓昕 李振龙 赵晓华 《科学技术与工程》 北大核心 2021年第1期254-259,共6页

针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型。首先,利用驾驶模拟舱、眼动... 针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型。首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型,提出基于时间信息加权的指数损失函数对模型权重进行优化;最后,利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其他模型进行对比,所提模型换道识别的准确率为91.33%,宏平均精确率为89.04%,宏平均召回率为92.84%,宏平均F1值为90.33%。结果表明,长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力,提出的损失函数对模型权重优化具有良好的效果。 展开更多

关键词 智能交通 加权指数损失函数 长短时记忆网络 换道意图识别

在线阅读 下载PDF 职称材料

双边定数截尾下广义指数分布的贝叶斯估计 被引量：10

10

作者 鄢伟安 宋保维 毛昭勇 《计算机工程与应用》 CSCD 2012年第1期234-236,共3页

在双边定数截尾样本下,给出了两参数广义指数分布参数的贝叶斯估计。基于共轭先验分布,分别在刻度平方误差损失函数和Linex损失函数下,给出参数的贝叶斯估计和多层贝叶斯估计,运用随机模拟方法对各种估计结果的优良性进行了分析比较。

关键词 广义指数分布 贝叶斯估计 双边定数截尾 刻度平方误差损失 LINEX损失函数

在线阅读 下载PDF 职称材料

双边定数截尾试验下广义指数分布的可靠性分析 被引量：7

11

作者 杨君慧 师义民 鄢伟安 《火力与指挥控制》 CSCD 北大核心 2014年第3期133-136,147,共5页

基于双边定数截尾试验,在无信息先验和共轭先验下,给出了广义指数分布参数的Bayes估计。同时在熵损失和加权平方损失函数下,给出可靠度函数的贝叶斯估计。最后运用Monte Carlo方法对估计结果进行了模拟比较。

关键词 广义指数分布 双边定数截尾试验 损失函数 BAYES估计

在线阅读 下载PDF 职称材料

基于预防维修和质量损失函数的VSI EWMA控制图经济设计 被引量：9

12

作者 薛丽 《运筹与管理》 CSSCI CSCD 北大核心 2020年第2期116-121,共6页

为了提高过程监控效率的同时降低过程控制成本,研究可变抽样区间(VSI)指数加权移动平均(EWMA)控制图的经济设计问题.首先建立基于预防维修和质量损失函数的VSI EWMA控制图联合经济模型;使单位时间的损失成本函数最小来确定参数的最优值... 为了提高过程监控效率的同时降低过程控制成本,研究可变抽样区间(VSI)指数加权移动平均(EWMA)控制图的经济设计问题.首先建立基于预防维修和质量损失函数的VSI EWMA控制图联合经济模型;使单位时间的损失成本函数最小来确定参数的最优值;其次用遗传算法来寻找联合经济模型的最优解,并给出一个算例.最后对VSI EWMA控制图联合经济模型进行灵敏度分析,得出控制图模型参数对设计参数的影响关系. 展开更多

关键词 可变抽样区间 指数加权移动平均(EWMA)控制图 经济设计 质量损失函数 预防维修

在线阅读 下载PDF 职称材料

具有多合同的广义加权保费的信度估计(英文)

13

作者 温利民 梅国平 郑雄军 《应用概率统计》 CSCD 北大核心 2013年第3期225-236,共12页

本文讨论了广义加权保费原理下的信度估计,并把结论推广到多合同模型.通过概率分布的变换,本文得到了多合同模型下广义加权保费的非齐次和齐次信度估计.并且讨论了这些估计的统计性质.最后,运用重抽样方法讨论了信度因子中未知结构参数... 本文讨论了广义加权保费原理下的信度估计,并把结论推广到多合同模型.通过概率分布的变换,本文得到了多合同模型下广义加权保费的非齐次和齐次信度估计.并且讨论了这些估计的统计性质.最后,运用重抽样方法讨论了信度因子中未知结构参数的估计.数值模拟表明,非齐次信度估计能运用于保险实际. 展开更多

关键词 损失函数 广义加权保费 信度估计 齐次估计 重抽样方法

在线阅读 下载PDF 职称材料

利用指数损失因子提高长短期记忆网络轨迹预测精度的方法 被引量：1

14

作者 张彤 王志文 +1 位作者 卢延荣 孙洪涛 《兰州理工大学学报》 CAS 北大核心 2023年第5期86-92,共7页

长短期记忆(LSTM)网络在车辆轨迹预测任务中取得了一定的成效.然而,LSTM网络预测时会引入累积误差,导致轨迹预测的精度随预测时间逐渐降低.如何减小LSTM网络在轨迹预测过程中的累积误差是一个关键性问题.为解决此问题,使用随预测时间增... 长短期记忆(LSTM)网络在车辆轨迹预测任务中取得了一定的成效.然而,LSTM网络预测时会引入累积误差,导致轨迹预测的精度随预测时间逐渐降低.如何减小LSTM网络在轨迹预测过程中的累积误差是一个关键性问题.为解决此问题,使用随预测时间增长的指数函数对平滑的L1损失函数进行加权来降低累积误差,使模型能更加准确地预测出车辆的未来轨迹.为验证此方法的有效性,以长短期记忆网络编码器解码器模型为基础,在美国交通部下一代仿真计划(NGSIM)采集的US-101和I-80数据集上进行验证.结果表明,与近年来的深度学习方法相比,本文提出的轨迹预测方法0.2 s时刻平均误差从0.3320 m降低到0.1032 m,且5 s时刻平均误差由原来的7.7168 m降为6.6243 m,总体上比原来降低了14.16%,有效减小了累积误差. 展开更多

关键词 自动驾驶 轨迹预测 LSTM 编码器-解码模型 指数加权的损失函数

在线阅读 下载PDF 职称材料

基于回指与逻辑推理的文档级关系抽取模型

15

作者 胡婕 吴翠 +1 位作者 孙军 张龑 《计算机应用》 北大核心 2025年第5期1496-1503,共8页

在文档级关系抽取(DocRE)任务中,现有模型主要侧重于学习文档中实体间的交互,忽略了对实体内部结构的学习,并很少关注到文档中的代词指代识别问题以及对逻辑规则的应用,这导致模型对文档中实体间关系的建模不够准确。因此,基于Transfor... 在文档级关系抽取(DocRE)任务中,现有模型主要侧重于学习文档中实体间的交互,忽略了对实体内部结构的学习,并很少关注到文档中的代词指代识别问题以及对逻辑规则的应用,这导致模型对文档中实体间关系的建模不够准确。因此,基于Transformer的架构融合关系回指图,建模实体间交互和实体内部结构,从而利用回指将更多上下文信息聚合到相应实体上以提高关系抽取的准确性。此外,采用数据驱动方式从关系注释中挖掘逻辑规则,增强对文本隐含逻辑关系的理解和推理能力。针对样本不平衡问题,引入加权长尾损失函数提高对稀有关系的识别准确性。在2个公开数据集DocRED(Document-level Relation Extraction Dataset)和Re-DocRED(Revisiting Documentlevel Relation Extraction Dataset)上的实验结果表明,所提模型性能表现最优,在DocRED测试集上,基于BERT编码器的模型的IgnF1和F1值比基线模型ATLOP(Adaptive Thresholding and Localized cOniext Pooling)分别提高了1.79和2.09个百分点,可见所提模型的综合性能较高。 展开更多

关键词 文档级关系抽取 关系回指图 逻辑规则 样本不平衡 加权长尾损失函数

在线阅读 下载PDF 职称材料

一种基于广义熵的模糊聚类算法 被引量：2

16

作者 李凯 李娜 陈武 《计算机工程》 CAS CSCD 2012年第13期166-168,共3页

针对熵模糊聚类算法只考虑特殊的加权指数问题,将广义熵引入到模糊聚类的目标函数,获得一种基于广义熵的模糊聚类模型和模糊聚类算法。将核函数引入到该模糊聚类模型中,提出基于广义熵的核模糊聚类算法。实验研究广义熵模糊聚类算法与... 针对熵模糊聚类算法只考虑特殊的加权指数问题,将广义熵引入到模糊聚类的目标函数,获得一种基于广义熵的模糊聚类模型和模糊聚类算法。将核函数引入到该模糊聚类模型中,提出基于广义熵的核模糊聚类算法。实验研究广义熵模糊聚类算法与核模糊聚类算法,证明当使用熵模糊聚类算法对数据聚类时,选取加权指数大于2的值可获得较好的聚类结果,同时参数对核算法的聚类结果有较大的影响。 展开更多

关键词 广义熵 加权指数 目标函数 核函数 模糊聚类

在线阅读 下载PDF 职称材料

PA样本下刻度指数族参数的经验Bayes双边检验 被引量：4

17

作者 范国良 童恩涛 王传玉 《统计与决策》 CSSCI 北大核心 2016年第15期15-18,共4页

文章在PA样本下,基于加权乘积损失函数,研究刻度指数族中参数的经验Bayes双边检验问题。利用概率密度函数及其导函数的核估计的方法构造了EB检验函数,证明了这种估计的渐近最优性,获得其收敛速度。

关键词 PA样本 加权乘积损失函数 刻度指数族 经验Bayes双边检验 核估计 渐近最优性

在线阅读 下载PDF 职称材料

刻度指数族参数的渐近最优的经验Bayes估计 被引量：5

18

作者 王立春 韦来生 《中国科学技术大学学报》 CAS CSCD 北大核心 2002年第1期62-69,共8页

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计 ,并构造了相应的经验Bayes估计 。

关键词 刻度指数族 经验BAYES估计 渐近最优性 刻度参数 加权平方损失函数 参数估计

在线阅读 下载PDF 职称材料

广义岭型估计岭参数的确定方法 被引量：7

19

作者 严羿鹏 杨虎 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2007年第12期98-101,110,共5页

在线性回归模型的理论研究中,参数的点估计是一个重要的研究方向。针对设计矩阵的近似复共线性,考虑回归系数的椭球约束,推广了广义岭型估计在均方误差阵意义下优于广义最小二乘估计的有关结论;针对广义岭型估计是一种自适应非线性估计... 在线性回归模型的理论研究中,参数的点估计是一个重要的研究方向。针对设计矩阵的近似复共线性,考虑回归系数的椭球约束,推广了广义岭型估计在均方误差阵意义下优于广义最小二乘估计的有关结论;针对广义岭型估计是一种自适应非线性估计,提出了采用线性Minimax估计和平衡损失函数确定广义岭型估计岭参数的具体方法,并应用R软件作了算例分析和比较。 展开更多

关键词 广义岭型估计 椭球约束 岭参数 MINIMAX估计 平衡损失函数

在线阅读 下载PDF 职称材料

基于图神经网络的不平衡欺诈检测研究 被引量：1

20

作者 陈安琪 陈睿 +1 位作者 邝祝芳 黄华军 《计算机工程》 CAS CSCD 北大核心 2023年第11期150-159,共10页

现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳。针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型。该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两... 现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳。针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型。该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两个不平衡的概念。在邻域不平衡中,通过多层感知机和高斯核函数衡量中心节点与其邻域节点的非欧氏空间距离(相似度),基于马尔可夫决策动态更新采样阈值对邻域节点进行多层自适应欠采样,并在每一层中仅聚合其原始特征和前一层的隐藏嵌入得到中心节点的目标嵌入;在中心不平衡中,引入加权交叉熵损失函数为每个中心节点的损失设置动态权重以达到中心平衡。在Yelp和Amazon两个数据集上的实验结果表明,该模型的曲线下面积(AUC)、召回率(Recall)两个指标相较于最优基准模型均有显著提升,在两个数据集上的AUC和Recall分别提升了5.52%、5.42%和1.57%、4.31%。 展开更多

关键词 图神经网络 欺诈检测 类不平衡 马尔可夫决策 加权交叉熵损失函数

在线阅读 下载PDF 职称材料