The learning rate of l 2-coefficient regularized classification with strong loss

In the present paper, we give an investigation on the learning rate of l2-coefficient regularized classification with strong loss and the data dependent kernel functional spaces. The results show that the learning rate is influenced by the strong convexity.     

单位球上散乱数据核正则化回归的误差分析

给出基于二次损失的单位球盖(单位球)上确定型散乱数据核正则化回归误差的上界估计,将学习误差估计转化为核函数积分的误差分析,借助于学习理论中的K-泛函与光滑模的等价性刻画了学习速度.研究结果表明学习速度由网格范数所控制.     

α混合下非参数回归函数改良分割估计的强相合性及收敛速度

In this paper, we study the strong consistency and convergence rate of modified partitioning estimate of nonparametric regression function under the sample {(Xi, Yi),i ≥ 1} that is α sequence taking values in Rd × R1 with identical distribution.     

回归函数的混合型递归核估计的强相合性

本文讨论了把最小二乘估计和一类递归核估计结合起来所得回归函数的混合型递归核估计的强相合性.     

汽车保险损失率期权定价模型及实证研究

随着汽车保险行业的迅速发展,如何通过证券衍生产品来转嫁汽车保险越发引起人们的重视。本文在Taehan Bae等人的研究基础上给出了当索赔额分布服从指数分布、Γ-分布、混合指数分布、对数正态分布时的汽车保险损失率期权的定价公式,并以太平洋保险公司的有关索赔数据作为样本,利用Γ-分布下的汽车保险损失率期权定价公式对其进行实证研究,得到汽车保险损失率期权价格的近似值,具有很好的理论意义和现实意义。     

平衡指数损失函数下的信度保费

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.在平衡指数损失函数下,研究了多合同的信度保费模型.利用正交投影方法,得到了未来保费的信度估计.最后对估计进行了数值模拟.     

相依样本下非参数回归函数估计的强收敛速度

设(X,Y),(X_1,Y_1,),…,(X_n,Y_n)是一个平稳、φ—混合过程((X,Y)∈R~d×R,E|Y|~(s δ)<∞,s≥2,δ>0),用m(x)记E{Y|X=x},本文讨论了m(x)的如下估计m_n(x)的强收敛速度:     

一致凸Banach空间非扩张映象的修正Ishikawa迭代序列的强收敛

在一致凸Banach空间上,研究了半紧的非扩张压缩映象的修正Ishikawasa三重迭代序列的强收敛问题,建立并证明了若干强收敛定理,推广了Mann和Ishikawa的迭代方法,改进和发展了Xu和贾如鹏等作者的主要结果．     

平衡损失下回归系数的线性Minimax估计

在平衡损失函数下,主要研究回归系数的线性Minimax估计问题.通过分析平衡损失风险的极大极小性,得到了线性优化计类中回归函数的Minimax估计.在适当的假设下,证明了其唯一性.     

关于任意B值r.v.序列的强收敛性的注

本文对仅在矩条件限制下的任意B值r.v.序列的强收敛性进行讨论,改进推广了已有的几个结果,使之成为本文结论的推论,同时也推广了其它相关的经典结论.     

截断型分布族参数经验Bayes检验的收敛速度

§ 1.　Introduction　　SupposethatrandomvariableXhaspdf(forLebesguemeasure)f(x｜θ) =u(x)m(θ)I(θ ,b) (x) ,(1 )whereθ>a≥ 0 ,θisthetruncationparameterofourinterestandb≤+∞ ,u(x)ispositiveLebesgueintegrablefunctionon (θ,b) ,m(θ) =[∫bθ(u(x)dx] - 1 .ThehypothesistobetestedisH0 ;θ≤θ0 H1 :θ >θ0 , (2 )whereθ0 isaknownconstant.LetlossfunctionisL(θ ,a0 ) =b0 max(θ -θ0 ,0 )foracceptingH0 andL(θ,a1 ) =b0 max(θ0 -θ,0 )foracceptingH1 ,whereb0 isapositiverealnumber,D ={a0 ,a1 }isth…     

基于测量质量损失函数的控制图控制界限的优化

控制界限和抽样间隔是控制图的两个基本参数。常规控制图是基于3σ原理确定的控制界限,该控制界限是在大量试验基础上依据经验确定的,并没有精确的公式推导.对于抽样间隔,常规控制图也没有明确的规定。田口博士的质量损失函数可以很好的解决质量经济性方面的一些问题.利用田口博士的理论,通过确定适宜的二次测量质量损失函数,可以确定控制图的最佳控制界限和最佳抽样间隔.文章简要介绍了常规控制图原理和田口博士的质量损失函数,重点叙述了田口博士反馈控制系统的测量质量损失函数,在此基础上,研究了控制图最佳控制界限和最佳抽样间隔,并且通过具体实例验证了该控制图良好的经济性.     

熵损失函数下两参数指数威布尔分布尺度参数的Bayes估计

本文给定一截尾样本,在熵损失函数下,研究了两参数指数威布尔分布尺度参数在先验伽玛分布下的Bayes估计,并给出了该参数的Bayes区间估计。     

强相依高斯序列的最大值与和的联合渐近分布

{X_n,n≥1)是标准高斯序列,T_(ij)=cov(X_i,X_j)。本文在强相依条件rijlog(j-i)→r∈(0,∞)(j-i→ ∞)下,得到了高斯序列的最大值M_n与标准化部分和S_n=sum from i=1 to n(X_i/(E(sum from i=1 to n X_i)~2)/(1/2))     

常利率下Cox风险过程的罚金折现期望函数

本文考虑了常利率环境下Cox风险模型的罚金折现期望值，利用后向差分法，得到了条件期望值与平稳情形时的期望值分别所满足的积分方程．并且，给出了一个强度过程为二状态马尔可夫过程及索赔服从指数分布的例子．     

广义Pareto分布参数的经验Bayes估计的收敛速度

在加权平方损失函数下,获得广义Pareto分布形状参数的经验Bayes(EB)估计,并得到了该估计的收敛速度.     

具有正态逆伽玛先验的正态分布中的方差参数在Stein损失下的贝叶斯后验估计量（英文）

对于先验分布为正态逆伽玛分布的正态分布的方差参数,我们解析地计算了具有共轭的正态逆伽玛先验分布的在Stein损失函数下的贝叶斯后验估计量.这个估计量最小化后验期望Stein损失.我们还解析地计算了在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失.数值模拟的结果例证了我们的如下理论研究:后验期望Stein损失不依赖于样本;在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失要一致地大于在Stein损失函数下的对应的量.最后,我们计算了上证综指的月度的简单回报的贝叶斯后验估计量和后验期望Stein损失.     

一般随机环境中二重随机游动的强大数定律

讨论了-般环境中二重随机游动的强泛函大数定律,给出了当过程几乎处处趋向于正无穷时的泛函大数定律成立的几个充分条件.     

具有高次强非线性项的发展方程的精确孤波解

本文给出求几类具高次强非线性项的发展方程精确孤波解的方法,它可推广到高维的情形     

The convergence rates of Shannon sampling learning algorithms

In the present paper,we provide an error bound for the learning rates of the regularized Shannon sampling learning scheme when the hypothesis space is a reproducing kernel Hilbert space(RKHS) derived by a Mercer kernel and a determined net.We show that if the sample is taken according to the determined set,then,the sample error can be bounded by the Mercer matrix with respect to the samples and the determined net.The regularization error may be bounded by the approximation order of the reproducing kernel Hilbert space interpolation operator.The paper is an investigation on a remark provided by Smale and Zhou.