基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.     

含时变风险厌恶系数的异质信念模型及实证分析

根据前景理论的反射效应,在做市商调整机制下,对市场中的两类投资者(基本面分析者和趋势追随者)同时引入时变的风险厌恶系数,扩展了异质预期下风险厌恶固定不变的资产定价模型.通过蒙特卡洛模拟,对噪声项和根本确定性系统之间相互作用的分析得出,模型能产生真实的价格行为.最后的实证模拟,对比分析了本模型,原模型及上证指数的收益序列特性,发现本模型能更好的模拟中国股票市场的收益率特性.     

基于伪随机噪声序列相干光正交频分复用系统的定时同步算法

针对传统定时同步算法的副峰干扰和低信噪比(SNR)下定时不稳定的问题,提出了一种基于伪随机噪声(PN)序列的定时同步算法。根据PN序列良好的延迟相关性和对称相关性,重新设计了训练序列的结构,并优化了定时度量函数的计算方法。仿真结果表明,改进算法的定时度量估计曲线只存在一个峰值,消除了副峰干扰。在循环前缀为四分之一符号长度与低SNR的情况下,仍可实现准确和稳定的定时。     

关于不定方程x3-1=749y2

利用同余式、平方剩余、Pell方程的解的性质、递归序列证明了:不定方程x³-1=749y²仅有整数解(x,y)=(1,0).     

图解常用离散型随机变量

在概率论的学习中,一个重要章节就是常用的离散型随机变量的学习.离散型随机变量包括伯努利分布,二项分布,泊松分布,几何分布,超几何分布和负二项分布等等.在本文中,首先借助时间流的图形表达,从伯努利试验次数和成功次数角度区分其中的一些常用变量;其次通过一个流程图的方式梳理这些常用的离散型随机变量的定义.本文的目的在于,基于常规的离散型随机变量的分布律等介绍之余,首次尝试从不同的比较汇总角度,借助图表方法对常用的离散型随机变量进行梳理和总结,起到区分变量的差异,加强对常用离散型随机变量概念的理解.     

基于回波平移序列的快速三维磁共振温度成像方法

高强度聚焦超声（HIFU）是一种无创的热消融疗法，为保证其安全性和有效性，需要一种精度高、速度快的测温方法在其治疗过程中对温度进行监控.基于质子共振频率位移（PRFS）的磁共振温度成像（MRT）对温度具有较高的灵敏度，且与温度具有良好的线性关系，因此常被用于引导HIFU治疗.然而在实际应用中，HIFU治疗的最大隐患在于可能造成表皮灼伤，并且灼伤区域可能与焦点区域相隔较远.因此MRT的监控范围十分重要.本文基于三维回波平移成像序列，结合可控混叠的空间并行成像技术，实现了时间分辨率为3 s的快速三维温度成像.为了验证该方法的精度，本文首先设计了仿体降温实验，利用光纤温度计验证回波平移序列测温的准确度和精确度.然后在室温条件下扫描离体猪肉组织，对比加速前后的MRT的测温精确度.在HIFU加热条件下扫描离体猪肉组织，对比加速前后的MRT的测温准确度.结果显示，本文提出的方法可以在3 s内完成三维温度精准测量，对于HIFU治疗的安全监控具有重要意义.     

基于小波Fisz变换的X射线脉冲星信号降噪研究

针对X射线脉冲星信号信噪比低,难以获取精确脉冲星信号相位的问题,提出了基于WaveletFisz变换的X射线脉冲星信号的估计方法.根据X射线脉冲星信号特性建立了信号模型,推导了Wavelet-Fisz变换理论,利用该变换将X射线脉冲星信号逼近于高斯分布,对变换后的信号数据进行估计.对大量RXTE的实测数据进行分析,结果表明在Wavelet-Fisz变换下能获得较好的估计性能,且耗时小,有利于X射线脉冲星导航的工程应用.     

依赖团数的有向图极大与超级边连通的度序列条件

互连网络通常以有向图为模型,有向图的弧连通度是网络可靠性的一个重要参数.给出了依赖团数的有向图极大和超级边连通的度序列条件.     

对称涨跌幅限制的非对称性效果研究—来自中国上证A股市场的证据

本文利用中国上证A股的相关数据,通过扩展的GARCH模型验证涨幅限制与跌幅限制对收益序列性和收益波动性的影响及其差异,并在控制了反映公司和股票特征的相关变量之后,进一步分析了涨跌幅限制影响的行业差异。研究发现:涨跌幅限制对股票收益序列相关性的影响倾向于不显著,但对股票收益波动性的影响倾向于显著;涨幅限制影响的行业差异显著存在,而跌幅限制影响的行业差异不显著。在分析造成波动性的非对称性影响效果的原因时,本文发现市场β值、市值越大的公司,涨跌幅限制越容易对其产生非对称的影响。上述结果验证了在不同行业设置不同价格涨跌限制和设置非对称涨幅限制和跌幅限制的合理性。