检索结果-维普期刊中文期刊服务平台

L_1和L_2规则化趋势滤波的稳健集成方法被引量：2: 1; 作者秦磊谢邦昌《统计研究》 CSSCI 北大核心 2013年第11期99-102,共4页; Huber损失函数是稳健回归中的经典方法,Berhu罚函数是L1和L2罚函数的集成。为了从异常值较多的时间序列中提取趋势项,本文结合Huber损失函数和Berhu罚函数,提出一种L1和L2规则化趋势滤波的稳健集成方法,该方法对异常值的干扰不敏感,同... 展开更多; 关键词 l1和l2规则化趋势滤波 Huber损失函数 Berhu罚函数稳健集成; 在线阅读下载PDF 职称材料

L_1和L_2规则化趋势滤波的稳健估计被引量：1: 2; 作者谢邦昌秦磊《商业经济与管理》 CSSCI 北大核心 2013年第8期84-90,97,共8页; 当时间序列中包含异常值时,L1和L2规则化趋势滤波不能有效地从中提取趋势成分,因此,文章从稳健性角度出发,用Huber损失函数替代最小二乘损失函数,使用凸优化方法进行求解,得到L1和L2规则化趋势滤波的稳健估计。模拟分析显示,稳健估计量... 展开更多; 关键词 l1和l2规则化趋势滤波 Huber损失函数稳健估计金融数据; 在线阅读下载PDF 职称材料

基于动态自学习阈值和趋势滤波的机械故障智能预警方法被引量：29: 3; 作者张明冯坤江志农《振动与冲击》 EI CSCD 北大核心 2014年第24期8-14,共7页; 针对当前机械在线监测系统报警难以实现机械故障早期预警问题,提出一种智能预警方法。基于在线监测系统大量监测数据统计分析,采用动态的自学习阈值算法计算预警阈值,并应用l1趋势滤波技术消除随机误差获取滤波后的趋势。应用动态自学... 展开更多; 关键词自学习阈值故障预警非参数检验 BETA分布 l1 趋势滤波; 在线阅读下载PDF 职称材料

超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模被引量：3: 4; 作者南敬昌王梓琦 +1 位作者高明明王颖《计算机应用与软件》北大核心 2018年第10期232-237,共6页; 针对射频器件建模中使用直接逆向神经网络精度较低,BP逆向神经网络泛化能力较差的问题,提出一种性能函数为贝叶斯L1/2范数的逆向神经网络建模方法。贝叶斯方法调整网络权系数避免过拟合现象,使模型输出更加平滑;增加L1/2范数扩充输入向... 展开更多; 关键词神经网络逆向建模贝叶斯 l1/2范数超宽带滤波器; 在线阅读下载PDF 职称材料

题名L_1和L_2规则化趋势滤波的稳健集成方法被引量：2: 1; 作者秦磊谢邦昌; 机构中央财经大学统计学院台湾辅仁大学商学研究所台湾辅仁大学统计资讯系; 出处《统计研究》 CSSCI 北大核心 2013年第11期99-102,共4页; 文摘 Huber损失函数是稳健回归中的经典方法,Berhu罚函数是L1和L2罚函数的集成。为了从异常值较多的时间序列中提取趋势项,本文结合Huber损失函数和Berhu罚函数,提出一种L1和L2规则化趋势滤波的稳健集成方法,该方法对异常值的干扰不敏感,同时吸收了L1和L2罚函数的优点。模拟数据的分析显示,当时间序列存在异常值,而且内在趋势情况未知时,稳健集成方法是一种很好的折中,可以给出较好的估计结果。; 关键词 l1和l2规则化趋势滤波 Huber损失函数 Berhu罚函数稳健集成; Keywords Key words： l1 and l2 regularized trend filtering Huber loss function Berhu Penalty Function RobustHybrid Method; 分类号 O212 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名L_1和L_2规则化趋势滤波的稳健估计被引量：1: 2; 作者谢邦昌秦磊; 机构中央财经大学统计学院台湾辅仁大学统计资讯学系; 出处《商业经济与管理》 CSSCI 北大核心 2013年第8期84-90,97,共8页; 文摘当时间序列中包含异常值时,L1和L2规则化趋势滤波不能有效地从中提取趋势成分,因此,文章从稳健性角度出发,用Huber损失函数替代最小二乘损失函数,使用凸优化方法进行求解,得到L1和L2规则化趋势滤波的稳健估计。模拟分析显示,稳健估计量可以很好地抵制异常值的干扰。这种方法可以运用在异常值较多的金融数据中,得到市场趋势的稳健估计。; 关键词 l1和l2规则化趋势滤波 Huber损失函数稳健估计金融数据; Keywords l1 and l2 regularized trend filtering Huber loss function robust estimation financial data; 分类号 O213 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名基于动态自学习阈值和趋势滤波的机械故障智能预警方法被引量：29: 3; 作者张明冯坤江志农; 机构北京化工大学诊断与自愈工程研究中心; 出处《振动与冲击》 EI CSCD 北大核心 2014年第24期8-14,共7页; 基金国家自然科学重点基金项目(51135001) 国家青年科学基金项目(51305020) 国家重点基础研究发展计划("973"计划)项目(2012CB026000); 文摘针对当前机械在线监测系统报警难以实现机械故障早期预警问题,提出一种智能预警方法。基于在线监测系统大量监测数据统计分析,采用动态的自学习阈值算法计算预警阈值,并应用l1趋势滤波技术消除随机误差获取滤波后的趋势。应用动态自学习阈值替代监测系统中的常规报警阈值,比较自学习预警阈值与滤波后的趋势,实现了机械故障早期预警。工程实例表明,该方法能够对机械故障实现早期预警,对预防机械事故的发生有重要的作用。; 关键词自学习阈值故障预警非参数检验 BETA分布 l1 趋势滤波; Keywords self-learning threshold fault early warning nonparametric test beta distribution l1 trend filtering; 分类号 TH165.3 [机械工程—机械制造及自动化] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模被引量：3: 4; 作者南敬昌王梓琦高明明王颖; 机构辽宁工程技术大学电子与信息工程学院; 出处《计算机应用与软件》北大核心 2018年第10期232-237,共6页; 基金国家自然科学基金项目(61372058) 辽宁省教育厅重点实验室项目(LJZS007) 辽宁省教育厅科学研究一般项目(L2015209); 文摘针对射频器件建模中使用直接逆向神经网络精度较低,BP逆向神经网络泛化能力较差的问题,提出一种性能函数为贝叶斯L1/2范数的逆向神经网络建模方法。贝叶斯方法调整网络权系数避免过拟合现象,使模型输出更加平滑;增加L1/2范数扩充输入向量,使网络结构稀疏化且泛化能力更强。应用于超宽带滤波器谐振器逆向建模中,根据陷波频率处插入损耗值,求解对应的长度和宽度。结果表明:该方法与BP逆向建模方法相比,求得的长度、宽度和频率相对误差分别减小81. 4%、99. 8%、48. 9%,网络运行时间减少16. 3%,不存在多解问题,建模效率更高。; 关键词神经网络逆向建模贝叶斯 l1/2范数超宽带滤波器; Keywords Neural network Inverse modeling Bayesian l1/2 norm UWB filter; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	L_1和L_2规则化趋势滤波的稳健集成方法	秦磊谢邦昌	《统计研究》 CSSCI 北大核心	2013	2	在线阅读下载PDF 职称材料
2	L_1和L_2规则化趋势滤波的稳健估计	谢邦昌秦磊	《商业经济与管理》 CSSCI 北大核心	2013	1	在线阅读下载PDF 职称材料
3	基于动态自学习阈值和趋势滤波的机械故障智能预警方法	张明冯坤江志农	《振动与冲击》 EI CSCD 北大核心	2014	29	在线阅读下载PDF 职称材料
4	超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模	南敬昌王梓琦高明明王颖	《计算机应用与软件》北大核心	2018	3	在线阅读下载PDF 职称材料