半参数回归模型中深度加权小波估计的收敛速度

在已有半参数回归模型研究的基础上,研究了一类固定设计下半参数回归模型的参数分量和非参数分量的估计。在误差是收敛系统时,运用数据深度加权技术,得到了半参数回归模型的深度加权小波估计,从而将独立误差情形推广到了收敛系统情形,并证明了该估计的收敛速度。     

混合误差下半变系数模型的相合估计

讨论了误差序列是混合序列的变系数模型。给出变系数模型系数函数的局部多项式估计,并证明了该模型系数函数估计是弱相合估计。     

度量空间中带有误差的压缩映射迭代序列的收敛阶

舍入误差和截断误差对迭代序列收敛性的影响是科学计算中的重要课题,利用泛函分析理论分析了完备度量空间中带有误差的压缩映射迭代序列的收敛速度,得到了迭代序列收敛阶的最佳估计。     

时间序列方差模型样条估计的一致收敛速度

对于一类时间序列非参数方差模型,在强混合相依条件下,证明了非参数方差函数的多项式样条估计的一致相合性,得到了收敛速度.     

相依序列加权和的强收敛速度

研究了矩限制的φ－混合或强混合随机变量序列加权和强收敛速度问题，在关于混合系数趋于零的速度的适当限制下，所得结果达到了鞅差序列或独立序列情形时的相应结果。     

相依序列加权和的强收敛速度

研究了矩限制的φ-混合或强混合随机变量序列加权和的强收敛速度问题,在关于混合系数趋于零的速度的适当限制下,所得结果达到了鞅差序列或独立序列情形时的相应结果。     

ρ混合随机变量列部分和最大值的极限特性

讨论了混合随机变量序列在假定Cesàro α可积情况下部分和最大值的极限特性,得到了其完全收敛性和平均收敛性,所得结果改进并且推广了相关文献中的结论。     

部分线性EV回归模型中的极大经验似然估计

针对带有协变量误差的部分线性回归模型的估计问题,利用经验似然方法,在一定条件下,证明了所得到的未知参数的极大经验似然估计具有渐近正态性.同时获得了非参数估计的最优收敛速度O_P(n^-1/3).     

不同分布混合序列加权和的完全收敛性和强收敛性

讨论了不同分布混合序列加权和的完全收敛性和强收敛性,推广了Stout和Thrum定理。     

回归函数及其导数非参数估计的强一致收敛速度

本文研究了回归函数及其导数的非参数估计。对随机与固定设计的回归函数，分别利用核估计和非参数加权估计，在该函数及权函数满足一条件下，本文证明了估计一致强收敛于待估函数的速度可达到最优。从而进一步推广和发展了Ｈａｒｄｌｅ（１９８８），Ｓｅｖｅｒｉｎｔ，ｅｔａｌ．（１９９２）的许多结果。     

双并联神经网络在线梯度算法的收敛性

双并联前馈神经网络是一个单层前向网络和一个多层前向网络的并向联接,在实现线性映射的同时也能够反应非线性映射,尤其对于弱非线性问题效果更为明显。在线梯度算法是训练神经网络的一种常见、高效的训练算法。研究了双并联前馈神经网络在线梯度学习算法的确定性和收敛性,证明了误差函数单调性质,给出了双并联前馈神经网络弱（强）收敛性结果,即误差函数的梯度趋于零,权值序列收敛于固定点等结论。     

基于新拟牛顿法的自适应均衡技术

为了解决现代通信信道的码间干扰问题,提出了一种基于新拟牛顿法的自适应均衡算法,该算法用对称正定Hesse矩阵代替传统LMS/Newton法自相关矩阵的逆估计,克服了传统自相关矩阵估计误差对算法收敛性能的影响.信道均衡仿真结果表明,该算法具有较快的收敛速度和较低的误码率.     

基于熵方误差的NL2SOL前馈神经网络

为提高前馈神经网络学习算法的收敛速度,尝试定义熵方误差函数,在理论上证明了熵方误差函数的有效性,并将其应用于NL2SOL前馈神经网络.对比实验表明,引入熵方误差函数的前馈神经网络具有良好的收敛性与稳定性.     

有源噪声控制中误差通道的自适应建模

有源噪声控制中误差通道对系统的性能有重要的影响，实现自适应控制算法必须得到误差通道的传递函数．本文对系统的误差通道采用自适应建模的方法，并提出了自适应建模的过程及算法．仿真实验证明，系统改善了稳定性、提高了降噪量，具有更快的收敛速度．     

边冈逐次分片曲面抛物插值法

首先把边冈逐次分段抛物内插法［１］拓广到曲面上，得到曲面上的逐次分片抛物曲面内插法，然后给出曲面上的边冈插值函数一致性收敛定理并予证明，最后对曲面抛物插值余项与精度进行了估计。     

一种变步长自适应滤波算法在信号消噪中的应用

为了解决自适应LMS算法中收敛速度和稳态失调之间的矛盾,在选择自适应算法的步长时,通过在基于箕舌线的变步长LMS算法中引入自相关估计,对信噪比为SNR=16 dB的染噪信号进行处理.仿真结果表明:该算法使均方误差曲线在500个采样点附近达到稳态,均方误差MSE=2.595.时域波形显示,利用变步长自适应滤波算法能有效地滤除信号中的噪声,获得稳定的消噪效果.     

■混合序列加权和的完全收敛性和强收敛性

随机变量取值的统计规律性往往通过大量的重复观测来体现,对大量重复观测作数学处理的常用方法是极限理论.独立同分布随机变量的极限理论已经很完善,近年来混合序列的极限理论发展较快,有的结果已接近独立同分布情形.讨论了一类较广泛的 φ混合序列加权和的收敛性质,获得了它的完全收敛性和强收敛性等性质.     

函数序列关于几乎处处弱收敛概率测度序列积分的单调收敛定理

研究了函数序列关于几乎处处弱收敛概率测度序列积分的单调收敛性,在新的条件下得到了单调收敛定理,并推证出概率测度几乎处处弱收敛的若干新的等价条件．