置信域

摘要： 在平稳相协误差下,本文采用分组经验似然方法构造部分线性模型回归系数的置信区域,证明了分组经验似然比统计量渐近卡方分布,该结果可用于构造回归系数的经验似然置信域.进一步地,我们还在有限样本情形做了数值模拟研究.

摘要： 码率自适应(Adaptive BitRate,ABR)算法是视频客户端提高用户体验质量(Quality of Experience,QoE)的一种有效途径.针对现有ABR算法存在频繁缓冲、视频卡顿、画质较低和网络吞吐量预测不准确等问题,本文提出一种基于深度强化学习的码率自适应(Deep Reinforcement Learning based ABR,DRLA)算法.DRLA用实际网络带宽数据训练神经网络,通过收集客户端缓冲区占用率和网络吞吐量向视频服务器请求最佳码率的视频.首先,DRLA用基线函数方法优化损失函数L,用熵随机探索方法防止损失函数局部收敛;其次利用约束条件限制新旧策略的散度更新幅度提高算法的鲁棒性;最后通过置信域(trust region)优化找到最优策略,使得QoE达到最优.与现有ABR算法对比的实验结果表明:DRLA减少了训练时间,能进一步提高算法的鲁棒性和用户的QoE,并在实际环境下验证了算法的有效性.

摘要： 针对利用表面相关多次波压制方法(EPSI)人工拾取一次波同相轴来估计初始震源子波及其迭代更新可能存在的识别错误和拾取参数设置误差问题,提出了自适应稀疏反演多次波压制方法(AEPSI),解决了初始震源子波及震源子波迭代更新问题.该方法将EPSI过程表示为双线性算子一次波脉冲响应和震源子波的约束优化问题,用理论震源子波作为优化问题的初始点求取一次波脉冲响应.根据输入数据、一次波、多次波的期望能量关系,确定震源子波的初始振幅,并将求取地震子波问题转化为无约束非线性优化问题,采用置信域(trust region)优化算法进行迭代求解.在迭代过程中,震源子波的主频、振幅、相位等特性自适应地逐步逼近实际地震子波.模型和实际数据算例表明,自适应稀疏反演多次波压制方法正确有效、稳定收敛,对初始震源子波误差具有较高的容忍度,处理过程完全由数据驱动,不需要通过输入记录的多维互相关来估计初始震源子波,避免了求取一次波脉冲响应时的人工拾取和时窗设置.

摘要： 相依样本在现实中普遍存在,强混合结构是许多常见的混合结构中最弱的一种相依结构,被广泛地应用到金融资产的期权定价等众多领域.本文利用分组经验似然方法构造了强混合误差情形线性模型回归系数的经验似然置信域,由此可对回归系数进行估计和检验,我们还通过模拟研究了本文提出的方法的有限样本性质.

摘要： 文章将泊松分布和指数分布以某种权重进行混合并离散化,得到了一种新的寿命数据模型:离散化泊松-指数混合分布。讨论了该分布的分布性质和可靠性性质,研究了参数的极大似然估计和区间估计,通过数值模拟表明所提方法的优良性,并将该分布应用于真实数据,与现有的几种离散分布从p值、AIC、BIC等方面进行了比较。

摘要： 为研究纵向数据部分线性EV模型参数的置信域问题,应用经验似然方法构造经验似然比统计量,证明了其极限分布为卡方分布.同时,得到了参数的极大经验似然估计和广义最小二乘估计的渐近分布.通过数值模拟分析,可知经验似然方法在覆盖率和置信区域大小方面均优于正态逼近方法.

摘要： 为了解青海省部分地区羊胃肠道线虫对丙硫苯咪唑的抗药性情况,在青海省民和县、互助县、湟中县、化隆县、湟源县、共和县的12个养殖户(场)的每户羊群中随机选取60只羊,分为丙硫苯咪唑推荐剂量组、丙硫苯咪唑高剂量组和对照组进行了丙硫苯咪唑抗药性调查.结果表明:在所调查的6县12个养殖户(场)的羊中,丙硫苯咪唑推荐剂量组和高剂量组中均有7个羊场试验羊虫卵减少率在95％以下,且95％置信域下限在90％以下,具有抗药性;分别有4个羊场和5个羊场试验羊虫卵减少率大于95％,但95％置信域下限在90％以上,对丙硫苯咪唑敏感.说明青海省部分地区羊群对丙硫苯咪唑存在较严重的抗药性.

摘要： 基于充分统计量建立帕累托分布在完全样本下参数的一种新联合置信域.通过置信域的平均面积,定义参数的估计效率,并通过蒙特卡洛模拟与经典置信域进行比较,结果显示新的置信域比经典置信域更精确.最后,实例分析验证了所获得的结果.

摘要： 在本文中,在随机过程的一阶矩和二阶矩都存在的条件下,当随机过程时间趋于无穷大时,我们将证明关于向量复合泊松过程期望的对数似然比统计量依分布收敛到F分布.最后,通过数值模拟实验表明我们的方法是可行的.

摘要： 以往大坝监测资料分析中，各方向位移单得建模并分别确定置信域，该文突破单方向局限，综合测点三方向位移测值信息建立了合理空间位移拟合模型，并以之为基础，获得空间置信域，为大坝空间位移的拟合、预报提供了可行途径。

摘要： 本研究旨在充分挖掘删失数据中的潜在信息，提高删失数据的应用质量。文中研究了响应变量随机删失情形下的线性EV模型的估计问题，给出了未知参数估计的渐近正态性，构造了未知参数的两种经验对数似然比统计量，证明了所构造的经验似然比统计量渐近于Xz分布，所得结果可以用来构造未知参数的置信域。模拟研究给出了所提出的统计量在有限样本情形下的实际表现;最后将上述方法运用到了实际数据分析，结果显示该方法在有限样本情形下的具有很好的实际表现。

摘要： 本发明提供了一种修改多生成树域的域配置信息的方法及设备。本发明通过在MST域内广播域配置报文，同时MST域内的各个设备均延迟一段时间后再发送新修改的域配置信息，并且各个设备在域配置信息修改后的一段时间内，设备对于接收到的携带有新、旧域配置信息的MSTP报文，均判断为本MST域内的报文，从而减少了网络拓扑振荡的发生，提高了网络的服务质量。

摘要： 本发明实施例公开了一种分组域和电路域位置信息同步的方法、装置及系统。解决了在联合模式下，终端在区域间漫游时，由于终端和网络侧配合问题，而导致终端在电路域下的位置信息没有正确更新，从而终端无法作被叫的问题。主要通过终结流程触发，网络侧检查终端所在的电路域位置信息是否与在用户归属位置寄存器中登记的电路域位置信息匹配；如果不匹配且终端在电路域状态为空闲，则终端所在覆盖区的分组域服务设备通知终端发起联合位置更新。本发明可以应用于维护电路域的位置更新。

摘要： 本发明公开了一种基于低置信度样本对比损失的域适应学习方法及系统，使用对比学习的方法，在原有的利用目标域高置信度样本的域适应方法上，充分利用目标域低置信样本，防止图像分类模型因偏向目标域中与源域相近的样本而导致的次优的领域迁移效果；而且，在对比学习中，对原始的图像特征进行重新表示，更好地编码了任务特有的语义信息；此外，对低置信样本使用了跨域混合，并使低置信样本在其中占主导，减小了领域差异，使图像分类模型更好的学习领域不变特征。总的来说，本发明利用了低置信样本，提升了无监督域适应和半监督域适应图像分类的准确率。

摘要： 本发明实施例公开了一种分组域和电路域位置信息同步的方法、装置及系统，涉及通信领域，用以使终端在开机或漫游后能够及时地被呼叫到。本发明实施例提供的分组域和电路域位置信息同步的方法，包括：寻呼终端；判断寻呼结果是否超时；如寻呼结果为超时，则向其它覆盖区的分组域服务设备发送寻呼路由请求，所述请求携带有终端的位置区域识别码；分组域服务设备接收所述请求后，确定如果存在所述终端的数据，则所述分组域服务设备判断所述请求中的位置区域识别码是否属于本覆盖区，如果不属于本覆盖区，则所述分组域服务设备指示终端发起联合位置更新。本发明可以应用于维护电路域的位置更新。

摘要： 本发明实施例公开了一种分组域和电路域位置信息同步的方法、装置及系统，涉及通信领域，用以使终端在开机或漫游后，能够及时地被呼叫到。本发明实施例提供的分组域和电路域位置信息同步的方法，包括：根据配置的分组域和电路域位置信息同步对应表，判断登记的终端对应的分组域服务设备信息和电路域服务设备信息是否匹配；如不匹配，则通知登记的终端对应的分组域服务设备指示终端发起联合位置更新。本发明可以应用于维护电路域的位置更新。

摘要： 本发明提供了一种修改多生成树域的域配置信息的方法及设备。本发明通过在MST域内广播域配置报文，同时MST域内的各个设备均延迟一段时间后再发送新修改的域配置信息，并且各个设备在域配置信息修改后的一段时间内，设备对于接收到的携带有新、旧域配置信息的MSTP报文，均判断为本MST域内的报文，从而减少了网络拓扑振荡的发生，提高了网络的服务质量。

摘要： 本发明实施例公开了一种分组域和电路域位置信息同步的方法、装置及系统。解决了在联合模式下，终端在区域间漫游时，由于终端和网络侧配合问题，而导致终端在电路域下的位置信息没有正确更新，从而终端无法作被叫的问题。主要通过终结流程触发，网络侧检查终端所在的电路域位置信息是否与在用户归属位置寄存器中登记的电路域位置信息匹配；如果不匹配且终端在电路域状态为空闲，则终端所在覆盖区的分组域服务设备通知终端发起联合位置更新。本发明可以应用于维护电路域的位置更新。

摘要： 本发明公开了一种基于低置信度样本对比损失的域适应学习方法及系统，使用对比学习的方法，在原有的利用目标域高置信度样本的域适应方法上，充分利用目标域低置信样本，防止图像分类模型因偏向目标域中与源域相近的样本而导致的次优的领域迁移效果；而且，在对比学习中，对原始的图像特征进行重新表示，更好地编码了任务特有的语义信息；此外，对低置信样本使用了跨域混合，并使低置信样本在其中占主导，减小了领域差异，使图像分类模型更好的学习领域不变特征。总的来说，本发明利用了低置信样本，提升了无监督域适应和半监督域适应图像分类的准确率。

摘要： 本发明围绕MIMO雷达探测性能提升的需求，针对MIMO雷达的波形优化技术进行了研究，研制了具有优于国内外已有方法的MIMO雷达波形优化技术，特别公开了基于黎曼置信域优化的MIMO雷达波形生成方法，解决了恒模约束在波形设计中的限制问题。本发明可以比现有方法在MIMO雷达接收端获得更高的信干噪比。

摘要： 本发明提出一种卷积注意力融合置信域强化迁移的风电出力预测方法，该卷积注意力融合置信域强化迁移的风电出力预测方法的步骤为：首先，进行数据预处理，将数据集分割为数据集1和数据集2；其次，使用数据集1训练基于缩放注意力机制和Inception模块的记忆卷积网络，并使用置信域策略优化方法对网络参数进行调优；最后，基于迁移操作，使用已训练完成的基于缩放注意力机制和Inception模块的记忆卷积网络根据数据集2对风电场出力进行预测。所述卷积注意力融合置信域强化迁移的风电出力预测方法能够完成对风电场出力数据的精确预测，提高能源利用率，减少碳排放。