基于多任务深度学习的自适应软参数共享方法

在软参数共享模型的基础上,通过任务之间的相似度与参数之间的关系,设置自适应正则项系数λ^*,自适应参数衰减比例0.文章提出了基于多任务深度学习的自适应软参数共享方法.在基于均值约束的L₂范数基础上,通过自适应地去除损失函数中正则项中的项数,去除任务间相似度不高的信息.文章的方法将软参数多任务学习动态地转化为软参数多任务与单任务联合学习,相对于软参数多任务学习方法,该方法减少了负迁移现象带来的影响.相对于单任务学习方法,该方法可以极大地降低局部最小解的风险.模拟研究和案例分析都验证了该方法的有效性,该方法的预测精度优于传统的多任务学习和单任务学习.     

基于局部多项式展开的多元非参数模型贝叶斯带宽选择

在多元非参数模型中带宽和阶的选择对局部多项式估计量的表现十分重要。本文基于交叉验证准则提出一个自适应贝叶斯带宽选择方法。在给定的误差密度函数下,该方法可推导出对应的似然函数,并构造带宽参数的后验密度函数。随后,通过带宽的后验期望可同时获得阶和带宽的估计。数值模拟的结果表明,该方法不仅比大拇指准则方法精确,且比交叉验证方法耗时更少。与此同时,与Nadaraya-Watson估计相比,所提带宽选择方法对多元非参数模型的适应性要更好。最后,本文通过一组实际数据说明有限样本下所提贝叶斯带宽选择的表现很好。     

铜离子与黄酮类配合物的促氧化作用

本文研究了3种结构相关的黄酮类化合物:黄芩素(Baicalein)、黄芩苷(Baicalin)和汉黄芩素(Wogonin)与Cu2 的配位作用,考察了其络合金属离子的结构特征,并且检测了黄酮类化合物与Cu2 形成配合物后的促氧化活性.用紫外分光光度法扫描黄酮类化合物与Cu2 形成配位后的吸光曲线变化;用电泳法检测了黄酮类化合物与Cu2 形成配合物后对DNA链的氧化损伤.结果表明,这3种黄酮主要是通过A环鳌合Cu2 .黄芩素和汉黄芩素与Cu2 形成配合物后不具有促氧化作用,而黄芩苷与Cu2 形成配合物后仍然具有一定的促氧化作用,能够导致DNA的氧化损伤.     

误差分布未知下时空模型的自适应非参数估计

极大似然估计作为参数估计中较为有效的一种估计方法,在误差分布未知下无法进行, 另一方面, 时空数据经常含有奇异点或来自重尾分布,此时基于最小二乘的估计方法效果欠佳.考虑时空异质性和相关性,针对误差分布未知的时空模型,本文提出基于核密度估计的自适应非参数估计方法.在较弱的条件下证明了该估计量和已知误差分布下的局部极大似然估计量是渐近等效,比基于最小二乘的局部多项式估计量有效. 模拟和实证都验证了该方法对于有限样本的有效性, 尤其奇异点的存在,该方法在边界的拟合效果显著优于基于最小二乘的方法.     

时空模型的局部众数回归

时空数据经常含有奇异点或来自重尾分布,此时基于最小二乘的估计方法效果欠佳,需要更稳健的估计方法.本文提出时空模型的基于局部众数(local modal, LM)的局部线性估计方法.理论和数据分析结果都显示,若数据含有奇异点或来自重尾分布,基于局部众数的局部线性方法比基于最小二乘的局部线性方法有效;若数据无奇异点且来自正态分布,两种方法效率渐近一致.本文采用众数期望最大化(modal expectation-maximization, MEM)算法,并在数据相依情形下得出估计量的渐近正态性.