基于 Fibonacci 序列寻优理论薄壁弯箱材料常数的 Powell 优化识别

对于薄壁弯箱结构,推导了材料常数的动态 Bayes 误差函数,提出步长的一维 Fibonacci 序列自动寻优方案后,利用 Powell 优化理论研究了薄壁弯箱材料常数的动态识别方法,同时给出了具体的计算步骤,并研制了相应的计算程序.算例分析表明,Powell 理论用于弯箱材料常数识别时表现出良好的数值稳定性和收敛性,在迭代过程中,Powell 理论不涉及有限元偏导数处理,与以往材料常数的梯度优化方法相比,计算效率较高;建立的动态 Bayes 误差函数能同时计入系统参数的随机性和系统响应的随机性;提出的 Fibonacci 序列寻优方案无需通过试算确定最优步长所在区间,有效地解决最优步长的一维自动寻优问题.     

不合格品率的一个估计方法

本提出了一种参数的估计方法——E Bayes估计法．对产品的不合格品率,给出了E Bayes估计的定义和E Bayes估计,并在此基础上给出了E Bayes估计的性质和多层Bayes估计。最后,给出了模拟计算,结果表明本提出的方法可行且便于应用。     

基于随机加权法的动态Bayes精度评估

以导弹射击精度评估为对象,研究现场子样相对较小的场合下,具有多阶段试验信息时弹点散布方差的估计问题,将随机加权法与Bayes方法结合起来,给出动态Bayes估计的随机加权调整方案.     

加权先验下的Bayes方差估计

针对具有多阶段试验信息的参数估计问题,考虑到历史数据和现场数据的不可等同性,给基于历史数据的似然函数加一个权参数a0(0≤a0≤1)的方案,结合动态修正Bayes估计方法,建构并推导出正态分布方差的加权先验Bayes估计模型.     

具有测量误差的非线性模型的Bayes估计

测量中大量的函数模型都是非线性回归模型．当回归变量含有一定的测量误差时，我们得到非线性测量误差模型．本讨论了这种模型中未知参数具有正态先验分布时的参数Bayes估计方法，并对这种估计进行了影响分析，证明了删除模型与均值漂移模型中参数的Bayes估计相同，利用Cook统计量给出了删除模型下参数的Bayes估计的影响度量．     

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计，利用非参数方法构造了位置参数的经验Bayes(EB)估计．在适当的条件下，获得了EB估计的收敛速度．最后，给出了一个例子说明适合定理条件的先验分布是存在的．     

无失效数据情形可靠性参数的估计和调整

本文在无失效取样情形下,提出了产品可靠性参数的一种估计和调整的方法———加权多层Bayes估计法.在无失效数据情形下失效率的多层Bayes估计和引进失效信息后失效率的多层Bayes估计的基础上,对可靠性参数进行了估计和调整———给出了失效率和可靠度的加权多层Bayes估计.最后,结合发动机的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.     

双参数指数分布环境因子的Bayes估计

讨论了定数截尾样本下双参数指数分布环境因子的极大似然估计、区间估计和Bayes估计.以参数后验密度的商密度作为环境因子的后验密度,并结合专家经验运用Bayes方法给出了环境因子在平方损失下和LINEX损失下的Bayes估计.最后运用Monte Carlo方法对各估计结果的均方误差(MSE),进行了模拟比较.结果表明LINEX损失下环境因子的估计较好.     

CE模型下Weibull分布序加试验的Bayes分析

序进应力加速寿命试验是一种最为有效而经济的寿命试验方法,随着其理论的日趋成熟,在实践中开始得到应用和推广．本文给出了逆幂律模型下Weilbull分布定时和定数场合序进应力加速寿命试验的一种Bayes统计分析,并利用Gibbs抽样方法解决了分布的形状参数取为连续先验时各参数的Bayes估计．这种先验意义更明确,实例表明这是一种非常有效的方法．     

三参数Weibull分布参数的Bayes估计

给出了三参数Weibull分布参数Bayes估计的两种方法,其一基于Laplace数值积分法,其二基于Gibbs抽样方法.模拟例子说明了估计方法的有效性.     

An innovative Bayesian sequential censored sampling inspection method and application to test design

This paper proposes an innovative Bayesian sequential censored sampling inspection method to improve the inspection level and reduce the sample size in acceptance test plans for continuous lots. A mathematical model of Bayesian sequential censored sampling is built, where a new inspection parameter is created and two types of risk are modified. As the core of Bayesian risk formulas, a new structure method of the prior distribution is presented by combining the empirical distribution with the uncertainty of the estimation. To improve the fitting accuracy of parameter estimation, an adaptive genetic algorithm is applied and compared with different parameter estimation methods. In the prior distribution, a prior estimator is introduced to design a sampling plan for continuous lots. Then, three types of producer's and consumer's risks are derived and compared. The simulation results indicate that the modified Bayesian sampling method performs well, with the lowest risks and the smallest sample size. Finally, a new sequential censored sampling plan for continuous lots is designed for the accuracy acceptance test of an aircraft. The test results show that compared with the traditional single sampling plan, the sample size is reduced by 66.7%, saving a vast amount of test costs.     

失效概率的E-Bayes估计及其性质

该文提出了参数的一种新估计方法----- E-Bayes估计法. 在无失效数据情形, 给出了失效概率的E-Bayes估计的定义,在此基础上给出了失效概率的E-Bayes估计, 并给出了失效概率的E-Bayes估计的性质----- E-Bayes估计和多层Bayes估计的关系.最后, 给出了模拟算例, 结果表明该文提出的E-Bayes估计法可行且便于应用.     

E-Bayesian estimation of the reliability derived from Binomial distribution

This paper introduces a new parameter estimation method, named E-Bayesian estimation method, to estimate reliability derived from Binomial distribution. The definition of E-Bayesian estimation of the reliability is proposed, the formulas of E-Bayesian estimation and hierarchical Bayesian estimation of the reliability are also provided. Finally, it is shown, through a numerical example, that the new method is much simpler than hierarchical Bayesian estimation in practice.     

参数的E Bayes估计法及其应用

提出了参数的一种估计方法—— E Bayes估计法 ,对寿命服从指数分布的产品 ,在失效率的先验分布为 Gamma分布时 ,给出了失效率的 E Bayes估计和多层 Bayes估计 ,并在此基础上给出了失效率和可靠度的 E Bayes估计的性质 .结合实际问题进行了计算 ,结果表明提出的 E Bayes估计法可行且便于应用 .     

失效率的综合E-Bayes估计

该文提出了可靠性参数的一种新估计方法综合E-Bayes估计法.在无失效数据情形下给出了失效率的E-Bayes估计的定义,并给出了失效率的E-Bayes估计。在引进失效信息后，给出了失效率的E-Bayes估计，并在此基础上给出了失效率和其它参数的综合E-Bayes估计。最后，结合实际问题进行计算，结果表明该文提出的方法可行且便于应用。     

SH波对界面含有半圆形脱胶的圆柱形弹性夹杂的散射的近似分析

采用Green函数法、复变函数法研究了SH波对界面附近含有半圆形脱胶的圆柱形弹性夹杂的散射,并给出了动应力集中系数的数值结果．首先,界面将整个空间分成上下两部分．在下半空间,给出在含有半圆形凸起的圆柱形弹性夹杂的弹性半空间中,水平表面上任意一点承受时间谐和的出平面线源荷载作用时的位移函数．其次,取该位移函数作为Green函数．上下空间连接时在界面处满足连续性条件,构造出半圆形脱胶裂纹,进而求出应力和位移的表达式．最后作为算例,给出了动应力集中系数的数值结果,分析了介质参数和入射波参数对动应力集中的影响情况．     

Learning continuous time Bayesian network classifiers

Streaming data are relevant to finance, computer science, and engineering while they are becoming increasingly important to medicine and biology. Continuous time Bayesian network classifiers are designed for analyzing multivariate streaming data when time duration of event matters. Structural and parametric learning for the class of continuous time Bayesian network classifiers are considered in the case where complete data is available. Conditional log-likelihood scoring is developed for structural learning on continuous time Bayesian network classifiers. Performance of continuous time Bayesian network classifiers learned when combining conditional log-likelihood scoring and Bayesian parameter estimation are compared with that achieved by continuous time Bayesian network classifiers when learning is based on marginal log-likelihood scoring and to that achieved by dynamic Bayesian network classifiers. Classifiers are compared in terms of accuracy and computation time. Comparison is based on numerical experiments where synthetic and real data are used. Results show that conditional log-likelihood scoring combined with Bayesian parameter estimation outperforms marginal log-likelihood scoring. Conditional log-likelihood scoring becomes even more effective when the amount of available data is limited. Continuous time Bayesian network classifiers outperform in terms of computation time and accuracy dynamic Bayesian network on synthetic and real data sets.     

状态概率的E-Bayes估计与多层Bayes估计

在文献[1]中提出了参数估计的一种方法--E-Bayes估计并给出了状态概率的E-Bayes估计的定义、E-Bayes估计公式、预测模型及其在证券投资中应用,本文在此基础上将给出状态概率的多层Bayes估计、状态概率的E-Bayes估计的性质--E-Bayes估计,多层Bayes估计的关系.最后,给出模拟算例.     

产品可靠度的E-Bayes估计

提出了参数估计的一种新方法——E-Bayes估计法.对Pascal分布,给出了可靠度的E-Bayes估计的定义(在先验分布中有一个超参数情形),在此基础上给出了可靠度的E-Bayes估计,并给出了可靠度的E-Bayes估计性质——E-Bayes估计和多层Bayes估计的关系.最后,给出了模拟算例,结果表明本文提出的E-Bayes估计法可行且便于工程应用.     

基于Jeffreys验前的Bayes方差估计修正

分析了基于Jeffreys验前的经典Bayes方差估计以及考虑验前信息可信度情况下Bayes方差估计存在的问题,在一般情况下,其方差估计要大于验前子样和验后子样的方差,这显然是不合理的.这是采用Jeffreys验前和正态共轭分布假设时存在的固有问题.为了解决这一问题,提出了方差估计的修正公式,经过计算验证,其值在验前子样和验后子样方差之间,说明修正公式是合理的.