导读:本文包含了熵损失函数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:函数,损失,指数,广义,对称,正态分布,过程。
熵损失函数论文文献综述
欧建军,张安,鄢伟安[1]（2019）在《广义熵损失函数下维纳过程的贝叶斯估计》一文中研究指出基于广义熵损失函数,分别在无信息先验及共轭先验分布下,获得维纳过程参数及可靠性指标的贝叶斯估计,并将其与极大似然估计、平方损失函数下的贝叶斯估计进行对比讨论。仿真结果表明,广义熵损失函数下的贝叶斯估计均方误差最小,精度最高,同时该估计的表达式比较灵活,能够有效刻画过高估计和过低估计造成风险不同的情形。(本文来源于《电光与控制》期刊2019年08期）
程建华,毛施云,王德辉[2]（2019）在《加权平衡熵损失函数下Poisson分布参数的Bayes估计》一文中研究指出首先,基于平衡损失函数的形式,给出一个加权平衡熵损失函数,并将其应用到Poisson分布中,得到了该损失函数下参数的Bayes估计.其次,在先验分布为Gamma分布的条件下,给出估计量的显式表达式,证明估计量的相合性,并利用QQ图的方法检验估计量的渐近正态性.(本文来源于《吉林大学学报(理学版)》期刊2019年04期）
范国兵[3]（2019）在《对称熵损失函数下指数分布寿命性能指数的贝叶斯检验》一文中研究指出在产品的质量特性值服从指数分布条件下,用过程能力指数评估产品的寿命性能,建立了对称熵损失函数下指数分布寿命性能指数的贝叶斯检验方法,给出寿命性能指数C_L的最大似然估计及贝叶斯估计,提出一种新的方法对C_L进行检验,并通过一个应用实例说明该方法的有效性.(本文来源于《河南教育学院学报(自然科学版)》期刊2019年02期）
黄文宜[4]（2017）在《对数误差平方损失和熵损失函数下Topp-Leone分布参数的Minimax估计》一文中研究指出本文在不同损失函数下研究Topp-Leone分布参数的Minimax估计问题。首先给出了参数的最大似然估计,然后在对数误差平方损失函数和熵损失函数下导出了参数的Bayes估计和经验Bayes估计,最后应用Lehmann定理得到了参数的Minimax估计。(本文来源于《宜春学院学报》期刊2017年12期）
曹雪杨[5]（2017）在《熵损失函数下的零截尾泊松分布的Bayes估计》一文中研究指出零截尾泊松分布被David和Johnson(1952)首次提出,引起了众多学者的关注和重视,并且在医学和生物科学等领域得到广泛的应用.该分布能够很好的拟合样本中计数取值至少为一次的计数数据.很多学者讨论了零截尾泊松分布的参数估计和性质及零截尾泊松回归模型的应用,但在不同损失函数下对零截尾泊松分布参数的Bayes估计研究则比较少见.本文在研究零截尾泊松分布参数估计的问题上,首先推导出了以Gamma分布为先验分布时,熵损失函数下的零截尾泊松分布参数的Bayes估计,并探讨了其容许性的问题.其次通过Monte Carlo数值模拟方法,将其与极大似然估计和在平方损失下的零截尾泊松分布的Bayes估计进行比较,得出在熵损失函数下参数估计的效果较好,且精度较高的结论.(本文来源于《吉林大学》期刊2017-05-01）
王娜娜[6]（2015）在《熵损失函数下的信度模型》一文中研究指出本文研究了信度模型问题.利用熵损失函数,获得了风险保费的信度估计和经验Bayes信度估计.所获结果是对现有风险保费信度估计和经验Bayes信度估计的一个补充.(本文来源于《数学杂志》期刊2015年06期）
祝翠,刘焕彬[7]（2013）在《熵损失函数下正态分布参数的E-Bayes估计》一文中研究指出在正态分布的先验分布为逆分布时,研究了刻度参数在熵损失函数下的E-Bayes估计和多层Bayes估计,证明了该参数的Bayes估计是容许的,并证明了在熵损失函数下计算出的正态分布参数的EBayes估计与多层Bayes估计是渐近相等的.(本文来源于《黄冈师范学院学报》期刊2013年06期）
李洪静[8]（2012）在《q-对称熵损失函数下逆高斯分布形状参数的估计》一文中研究指出本篇论文给出了q-对称熵损失函数下逆高斯分布在均值参数已知时形状参数的Bayes估计。(本文来源于《成功(教育)》期刊2012年24期）
西日古力,吴黎军[9]（2012）在《熵损失函数下广义线性混合模型协方差矩阵谱的分解估计》一文中研究指出文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。(本文来源于《统计与决策》期刊2012年22期）
张萍,邓永坤,乔路芳[10]（2012）在《P,Q-对称熵损失函数下Pareto分布参数的Bayes估计》一文中研究指出在P,Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计.当先验分布为伽玛分布时,给出估计的精确形式.最后证明了其容许性.(本文来源于《常熟理工学院学报》期刊2012年10期）
熵损失函数论文开题报告
（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：
首先,基于平衡损失函数的形式,给出一个加权平衡熵损失函数,并将其应用到Poisson分布中,得到了该损失函数下参数的Bayes估计.其次,在先验分布为Gamma分布的条件下,给出估计量的显式表达式,证明估计量的相合性,并利用QQ图的方法检验估计量的渐近正态性.
（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。
熵损失函数论文参考文献
[1].欧建军,张安,鄢伟安.广义熵损失函数下维纳过程的贝叶斯估计[J].电光与控制.2019
[2].程建华,毛施云,王德辉.加权平衡熵损失函数下Poisson分布参数的Bayes估计[J].吉林大学学报(理学版).2019
[3].范国兵.对称熵损失函数下指数分布寿命性能指数的贝叶斯检验[J].河南教育学院学报(自然科学版).2019
[4].黄文宜.对数误差平方损失和熵损失函数下Topp-Leone分布参数的Minimax估计[J].宜春学院学报.2017
[5].曹雪杨.熵损失函数下的零截尾泊松分布的Bayes估计[D].吉林大学.2017
[6].王娜娜.熵损失函数下的信度模型[J].数学杂志.2015
[7].祝翠,刘焕彬.熵损失函数下正态分布参数的E-Bayes估计[J].黄冈师范学院学报.2013
[8].李洪静.q-对称熵损失函数下逆高斯分布形状参数的估计[J].成功(教育).2012
[9].西日古力,吴黎军.熵损失函数下广义线性混合模型协方差矩阵谱的分解估计[J].统计与决策.2012
[10].张萍,邓永坤,乔路芳.P,Q-对称熵损失函数下Pareto分布参数的Bayes估计[J].常熟理工学院学报.2012
论文知识图
