关于广义压缩最小二乘估计的注记

本文研究了广义压缩最小二乘估计（ＧＳＬＳＥ）的一些性质，给出了它的均方误差（ＭＳＥ）的一个无偏估计量（ＵＥ），采用极小该ＵＥ的方法确定了ＧＳＬＳＥ的参数选取公式，并把这个统一化的方法应用于广义岭估计，岭估计、Ｍａｓｓｙ主成分估计、Ｓｔｅｉｎ型压缩估计以及根方有偏估计等，从而得到了它们的一种选取参数的方法，最后，结合Ｈａｌｄ实例进行比较分析，结果表明，本文的方法是实用的，有效的。     

稀疏复杂网络的识别（英文）

本文研究了一种给定的复杂网络结构识别问题.利用网络结构的稀疏性质,提出了一个带有L1正则化的最小二乘模型.数值仿真表明该算法对带噪声或不带噪声的较大型网络结构的识别是非常有效的.     

负反馈LED串联耦合系统中的开放型亚Possion光场

本文报道了一种产生于开放LED(Light Emitting Diode)系统中亚Possion光场的新方案,在室温下实验观察到了压缩量子噪声低于光场标准量子极限(SQL)以下72%(-5.5dB)的开放型亚Possion光场,相应的压缩频带优于1—30MHz,研究表明,开放LED系统中的噪声压缩量与光收集和探测的量子效率(或光学损耗)以及另一反馈回路中的压缩量有关。     

带有自由边界的反应扩散系统解的整体存在与爆破（英文）

本文研究一类带耦合非线性反应项的反应扩散系统的自由边界问题.为简便起见,假设条件和解都是径向对称的.首先,利用压缩映射定理,给出正解的局部存在性和唯一性.然后,考虑解的爆破性质和长时间行为.     

基于非凸优化模型的块稀疏信号恢复条件

压缩感知(compressed sensing,CS)是一种全新的信息采集与处理理论，它表明稀疏信号能够在远低于Shannon-Nyquist采样率的条件下被精确重构.现从压缩感知理论出发，对块稀疏信号重构算法进行研究，通过混合l₂/l_q(0相似文献   

稀疏复杂网络的识别

本文研究了一种给定的复杂网络结构识别问题.利用网络结构的稀疏性质,提出了一个带有l¹正则化的最小二乘模型.数值仿真表明该算法对带噪声或不带噪声的较大型网络结构的识别是非常有效的.     

线性回归模型参数的泛BC估计

本在献[1]的基础上，提出了线性回归模型参数的泛BC估计，把有偏压缩估计类的压缩系数由一维推广到多维，即由常数推广到矩阵向量，从而推出其一些优良性质。     

动态变系数回归模型的识别与非参数GMM估计

主要研究关于面板数据的有限阶固定效应的动态变系数回归模型(简称FDVCM)的统计推断问题.基于B-样条函数和广义矩估计(简称GMM)方法,首先建立了未知系数函数的非参数GMM估计,并证明大样本情形下该估计达到最优非参数收敛速度且具有渐近正态性质.然而实际问题中模型的动态阶数完全未知,也可能存在其它冗余的回归变量,文中借助文[Fan J,Li R.Variable selection via penalized likelihood and its oracle properties.Journal of the American Statistical Association,2001,96(456):1348-1360]中的smoothly clipped absolute deviation(简称SCAD)惩罚函数同时识别真实的动态阶数和显著的外生回归变量.同时建立了压缩估计的Oracle性质,即所识别的模型与真实模型中的参数估计具有相同的渐近分布.最后,无论是数值试验还是实例数据分析都验证了本文方法的合理性和可行性.     

相依回归系统参数的一种估计

对于一类相依回归系统（１，１），本文对回归参数β１提出一种新的改进估计，并研究了这种估计及其相应的两步估计的优良性质。     

协方差改进法及其应用

协方差改进法是构造更好估计的一个有力工具，本文在系统讨论了这个方法及其重要性质基础上，综述了它在许多模型的参数估计中的应用。这包括半相依回归模型，线性回归模型和生长曲线模型。本文还提出了几个未解决的问题。     

Two-stage least squares based iterative estimation algorithm for CARARMA system modeling

For stochastic systems described by the controlled autoregressive autoregressive moving average (CARARMA) models, a new-type two-stage least squares based iterative algorithm is proposed for identifying the system model parameters and the noise model parameters. The basic idea is based on the interactive estimation theory and to estimate the parameter vectors of the system model and the noise model, respectively. The simulation results indicate that the proposed algorithm is effective.     

Deviation inequalities and moderate deviations for estimators of parameters in TAR models

In this paper, we establish some deviation inequalities and the moderate deviation principles for the least squares estimators of the parameters in the threshold autoregressive model under the assumption that the noise random variable satisfies a logarithmic Sobolev inequality.     

Moderate deviation principle for autoregressive processes

A moderate deviation principle for autoregressive processes is established. As statistical applications we provide the moderate deviation estimates of the least square and the Yule–Walker estimators of the parameter of an autoregressive process. The main assumption on the autoregressive process is the Gaussian integrability condition for the noise, which is weaker than the assumption of Logarithmic Sobolev Inequality in [H. Djellout, A. Guillin, L. Wu, Moderate deviations of empirical periodogram and nonlinear functionals of moving average processes, Ann. I. H. Poincaré-PR 42 (2006) 393–416].     

Separation of random noise models from seasonal time series data

The autocorrelation function of seasonal time series data is shown to have peaks which occur at the correlation lags equal to the integer multiples of the fundamental period that is present in the series. This property is shown to be valid even if some of the harmonics including the fundamental are removed from the time series data. Using this property, an analytical procedure is presented for estimating the variance of the white noise generating the low frequency random walk model present in the data. The procedure is similarly extended to estimate the variance of white noise generating the autoregressive (AR) and moving average (MA) noise models. The method is validated on several seasonal time series data whose components are known a priori.     

无穷维自回归过程的中偏差原理

本文考虑无穷维自回归过程经验协方差函数的中偏差原理,仅对自回归过程的随机扰动项做了高斯可积性的假设,这个条件比[4]中的对数Sobolev不等式要弱很多.主要利用了m-相依随机变量的中偏差结果和Ellis-Grtner定理,推广了[6]的结果.     

Estimation in threshold autoregressive models with correlated innovations

Large sample statistical analysis of threshold autoregressive models is usually based on the assumption that the underlying driving noise is uncorrelated. In this paper, we consider a model, driven by Gaussian noise with geometric correlation tail and derive a complete characterization of the asymptotic distribution for the Bayes estimator of the threshold parameter.     

基于ARMA模型和自由振动提取技术的海洋平台结构参数识别

用随机减量方法提取海洋平台结构在随机环境荷载非白噪声输入下的自由振动信号和用ARMA(Auto Regressive Moving Average)模型对自由振动数据建模。为了消除平台输出信号中有色噪声的影响,在随机减量系统中加人了一个虚拟系统,并采用导通条件和前导点技术使自由振动提取过程仍在有色输人的状态下进行。同时为了消除参数识别的多值性,提出了采用MA系数修正技术识别海洋平台结构的频率和阻尼动力参数的方法,最后用该套技术对海洋平台结构试验模型进行了参数识别,结果表明该方法具有较好的效果和在线识别使用价值。     

检验n和T都很大的固定效应动态面板模型的条件异方差性

研究了动态面板数据模型的条件异方差性检验问题.对于n和T都很大的固定效应动态面板数据模型,通过残差的一阶差分的平方序列,建立一个人工自回归模型,并基于该人工自回归模型系数的最小二乘估计构造检验统计量,检验误差序列的条件异方差性.研究表明在一定的假设条件下,得到的检验渐近服从卡方分布,计算简单方便,通过一些模拟试验研究了检验的小样本性质.模拟研究表明该检验表现很好.     

噪声激励下水平扫视眼动系统的随机分岔

研究了眼动系统在神经噪声作用下的随机分岔现象.首先,基于水平眼动系统模型,用加性的Gauss(高斯)白噪声模拟神经系统中的噪声,建立眼动系统的随机动力学模型.其次,利用数值算法得到眼球运动位移的Poincaré分岔图和系统在不同参数下的位移和速度的稳态联合概率密度以及位移的稳态概率密度.研究发现:噪声强度和抑制性神经元的作用强度都能诱导产生随机P分岔现象,使得位移的稳态概率密度出现峰的个数从1到3的转换,间歇性眼球震颤产生.此外,还发现当抑制性神经元的作用强度增大到一定值时,稳态概率密度始终呈现单峰结构.该结论对此类疾病的治疗有一定的指导作用.     

门限自回归模型参数最小二乘估计的强收敛速度

本文在给定门限自回归模型阶数、门限和延迟参数的情况下，证明了一般门限自回归模型参数和残差方差的最小二乘估计的强收敛速度为Ｏ（（ｌｏｇｌ９ｏｇｎ／ｎ）１／２），并证明了残差方差的最小二乘估计具有渐近正态性．