导读:本文包含了非线性函数回归论文开题报告文献综述及选题提纲参考文献，主要关键词:钒与稀土,非线性回归模型,非线性规划,灵敏度分析
非线性函数回归论文文献综述
余剑秋,许冬梅,周蔚[1]（2015）在《钒和稀土对合金性能影响分析与评估——基于非线性回归分析的函数拟合模型的实证研究》一文中研究指出本文针对钒与稀土对合金力学性能和抗热裂性能的影响问题,使用非线性回归分析法,分别构建基于非线性回归分析的函数拟合模型、基于线性规划的近似函数最优解模型模型,使用EViews、Matlab等软件编程,得到钒、稀土、钒与合金的抗拉强度、延伸率、热裂倾向值HCS之间定量的函数关系,并分别对二者进行比较,并提出合金添加微量元素的一些建议。(本文来源于《科技风》期刊2015年15期）
周桂霞[2]（2012）在《基于函数系数自回归的非线性时间序列分类》一文中研究指出在丝绸工业里,工程技术人员经常需要根据茧丝的纤度值来衡量和比较茧丝的质量.但茧丝本身非常纤细,纤度值测量十分困难,同时每条序列的长度通常都少于30,且序列往往体现非平稳特征.茧丝纤度序列的以上特殊性使得很难针对单条序列建立合适的模型.在本文中,我们对来自于同一总体的序列簇建立一个统一的模型,使用函数系数自回归模型来描述序列簇的结构.在估计方法上,针对来自同一总体的序列观测,通过定义合适的目标函数,采用最小二乘法并借助核函数,对同一总体的序列簇函数进行局部线性估计.依赖于上述模型和估计方法,我们提出一种类似于EM算法的分类方法,将来自于不同总体的茧丝纤度序列进行分类.该方法不仅适用于长度不一致的序列观测,而且还能处理多总体分类.若干模拟例子和实际数据均显示我们所提方法的有效性.(本文来源于《苏州大学》期刊2012-04-01）
吕丽琴,吕艳[3]（2012）在《林木生长函数的非线性回归》一文中研究指出林木生长函数是林木生长规律的定量描述。利用非线性回归法,详细论述了确定林木生长非线性函数的方法,结合计算机程序和实测数据,建立了某红松林木生长函数的数学模型。分析计算结果表明,林木生长数学模型与实测数据有较高拟合精度,相对误差平均值约1.8%。(本文来源于《林业勘查设计》期刊2012年01期）
姚晓辉[4]（2010）在《一种鲁棒支持向量机的非线性函数回归》一文中研究指出通过运用非线性函数建立支持向量机的回归模型,使鲁棒性能运用于回归估计,并推出向量机优化的基本理论,给出一些新的优化问题,最后通过仿真实验进行验证,结果证实鲁棒支持向量机的非线性函数回归的可行性。(本文来源于《硅谷》期刊2010年19期）
毛在砂[5]（2010）在《优化非线性回归目标函数的数值实验》一文中研究指出最小二乘法在化工中广泛用于数据拟合的线性和非线性回归及模型参数估值。为了从实验和生产现场数据中得到更接近真实函数的关联式,用数值实验的方法,对一系列目标函数形式与传统的最小二乘法进行比较。所测试的真实函数包括单调函数、单极值函数和双极值函数。数据所带的误差包括高斯分布和均匀分布的误差。结果表明,若数据误差遵从高斯分布时,以实验值与回归预测值间绝对偏差的1.5次幂之和为目标函数,优化所得的回归模型与真实的函数最接近。(本文来源于《化工学报》期刊2010年07期）
陈乃辉[6]（2010）在《在函数逼近论观点下半参数变系数非线性回归函数的估计》一文中研究指出在函数逼近论的观点下研究了半参数变系数非线性回归函数的估计问题.采用总体之下L2多项式最佳逼近的方法与样本之下矩估计的方法,独立地分别作出非参数部分与变系数参数部分的解析函数形式的估计,最终得到回归函数的L2与强相合之联合收敛意义下的估计.(本文来源于《纯粹数学与应用数学》期刊2010年02期）
叶宗裕[7]（2010）在《非线性回归模型参数估计方法研究——以C-D生产函数为例》一文中研究指出通过理论分析和蒙特卡罗模拟,对C-D生产函数模型参数的估计方法进行比较研究的结果表明:当误差项满足经典假设时,非线性最小二乘估计量具有与线性最小二乘估计类似的、近似BLUE的特性,且当误差项存在异方差时,用加权非线性最小二乘法也能大大改善估计量的性质。(本文来源于《统计与信息论坛》期刊2010年01期）
刘开云,刘保国,徐冲[8]（2009）在《基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型》一文中研究指出与支持向量机相比,高斯过程有着容易实现、灵活的非参数推断及预测输出具有概率意义等优点。将高斯过程回归引入边坡非线性变形时序分析,采用单一核函数之和作为高斯过程回归的组合核函数以提高其泛化性能。目前通常采用共轭梯度法求取训练样本对数似然函数的极大值以自适应地获得最优超参数,但共轭梯度法存在优化效果初值依赖性强、迭代次数难以确定、易陷入局部最优解的缺陷。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传–组合核函数高斯过程回归算法,并编制了相应的计算程序。卧龙寺新滑坡变形时序分析结果表明,与遗传–单一核函数高斯过程回归算法和遗传–支持向量回归算法相比,所提出的遗传–组合核函数高斯过程回归算法显着提高预测精度,可以应用于边坡变形的时序分析,并为类似工程提供借鉴。(本文来源于《岩石力学与工程学报》期刊2009年10期）
金敏,周金明[9]（2009）在《多元非线性回归函数近似逼近的Thiele型插值方法》一文中研究指出非线性回归问题中多元非线性回归问题也是值得研究的课题。本文利用二元Thiele型有理插值函数方法逼近一类多元非线性函数可实现回归函数的近似,并通过实例说明该方法的有效性。(本文来源于《科技信息》期刊2009年26期）
王蕴卓[10]（2008）在《基于广义回归神经网络的货币需求函数非线性建模与应用》一文中研究指出货币供给量是我国中央银行货币政策中介目标,对货币供给量的调控将对货币政策最终目标产生重大影响,而要把握货币供给量,则应从货币市场均衡角度出发,对当前经济环境中的货币需求进行分析。所以确立一个稳定、合理和可预测的货币需求函数对于货币当局实施有效的货币政策具有重要的意义。由于宏观经济系统是一个非常复杂的系统,广泛存在着非线性、时变性和不确定作用关系。尤其在当前我国正处于社会主义市场经济体制各方面有待改革和完善阶段,经济变量的增多及随机因素的影响等使得货币需求函数变得更加复杂。在这种情况下,迫使人们寻求一种非线性工具进行建模。人工神经网络的非线性高度逼近能力为宏观经济分析提供了一条全新的途径。但是传统的BP神经网络由于本身存在收敛速度慢,人工神经网络易陷入局部极小值的原因,使得其在应用方面具有一定的局限性。因此综合考虑以上原因,需要搭建一种更适合的模型来建立货币需求函数。广义回归神经网络以其良好的非线性映射能力和建模需要样本数量少的特性提供了有效的工具。本文通过对广义回归神经网络与BP神经网络训练过程的比较,给出了解决货币需求函数人工神经网络非线性建模方法的选择。选取中国近十年的宏观经济变量季度数据,对协整与误差校正模型界定并估计,建立了基于广义回归神经网络的货币需求函数非线性模型。通过论文给出模型与货币需求函数M1、M2叁次多项式误差校正模型预测结果比较,证明了论文给出模型的有效性及抗干扰性。根据货币需求函数模型预测结果与2007年的季度实际值比较,验证了模型的可行性。(本文来源于《东北大学》期刊2008-06-01）
非线性函数回归论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在丝绸工业里,工程技术人员经常需要根据茧丝的纤度值来衡量和比较茧丝的质量.但茧丝本身非常纤细,纤度值测量十分困难,同时每条序列的长度通常都少于30,且序列往往体现非平稳特征.茧丝纤度序列的以上特殊性使得很难针对单条序列建立合适的模型.在本文中,我们对来自于同一总体的序列簇建立一个统一的模型,使用函数系数自回归模型来描述序列簇的结构.在估计方法上,针对来自同一总体的序列观测,通过定义合适的目标函数,采用最小二乘法并借助核函数,对同一总体的序列簇函数进行局部线性估计.依赖于上述模型和估计方法,我们提出一种类似于EM算法的分类方法,将来自于不同总体的茧丝纤度序列进行分类.该方法不仅适用于长度不一致的序列观测,而且还能处理多总体分类.若干模拟例子和实际数据均显示我们所提方法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性函数回归论文参考文献
[1].余剑秋,许冬梅,周蔚.钒和稀土对合金性能影响分析与评估——基于非线性回归分析的函数拟合模型的实证研究[J].科技风.2015
[2].周桂霞.基于函数系数自回归的非线性时间序列分类[D].苏州大学.2012
[3].吕丽琴,吕艳.林木生长函数的非线性回归[J].林业勘查设计.2012
[4].姚晓辉.一种鲁棒支持向量机的非线性函数回归[J].硅谷.2010
[5].毛在砂.优化非线性回归目标函数的数值实验[J].化工学报.2010
[6].陈乃辉.在函数逼近论观点下半参数变系数非线性回归函数的估计[J].纯粹数学与应用数学.2010
[7].叶宗裕.非线性回归模型参数估计方法研究——以C-D生产函数为例[J].统计与信息论坛.2010
[8].刘开云,刘保国,徐冲.基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型[J].岩石力学与工程学报.2009
[9].金敏,周金明.多元非线性回归函数近似逼近的Thiele型插值方法[J].科技信息.2009
[10].王蕴卓.基于广义回归神经网络的货币需求函数非线性建模与应用[D].东北大学.2008