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.     

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。     

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.     

Proof of Monotone Loss Rate of Fluid Priority-Queue with Finite Buffer

This paper studies a fluid queueing system that has a single server, a single finite buffer, and which applies a strict priority discipline to multiple arriving streams of different classes. The arriving streams are modeled by statistically independent, identically distributed random processes. A proof is presented for the highly intuitive result that, in such a queueing system, a higher priority class stream has a lower average fluid loss rate than a lower priority class stream. The proof exploits the fact that for a work-conserving queue, the fluid loss rate for a given class is invariant of what queueing discipline is applied to all arriving fluid of this particular class. AMS subject classification: 60K25, 68M20     

$\alpha$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

本文研究了在样本$(X_1,Y_1),(X_2,Y_2),\ldots,(X_n,Y_n)$ 为取值于$R^{d}\times R^{1}$的同分布的$\alpha$混合序列时,回归函数改良分割估计的强相合性和收敛速度.     

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:     

Learning rates of least-square regularized regression with polynomial kernels

This paper presents learning rates for the least-square regularized regression algorithms with polynomial kernels. The target is the error analysis for the regression problem in learning theory. A regularization scheme is given, which yields sharp learning rates. The rates depend on the dimension of polynomial space and polynomial reproducing kernel Hilbert space measured by covering numbers. Meanwhile, we also establish the direct approximation theorem by Bernstein-Durrmeyer operators in with Borel probability measure.      

非自治Plate方程时间依赖强拉回吸引子的存在性

结合Plinio等人([Plinio D,Duane G S,Temarn R,Time-dependent attractor for the oscillon equation,Discrete Contin Dyn Syst,2011,29(1):141-167.])提出的时间依赖全局吸引子概念,运用压缩函数的方法,证明了带有时间依赖系数的非自治Plate方程时间依赖拉回吸引子在空间H~4(Ω)∩H~2_0(Ω)×H~2_0(Ω)中的存在性.     

两两独立同分布序列Cesàro强大数定律的收敛速度

设{X,Xn,n≥0}是两两独立同分布的随机变量序列,11．为了证明这一结论而获得到的两两负相关随机变量序列的Cesaro强大数定律收敛速度的结果本身也是有意义的．此结果对于同分布的两两NQD序列也是对的．     

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．