导读:本文包含了损失估计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:损失,函数,广义,对称,光绪,神经网络,旱灾。
损失估计论文文献综述
王快妮,曹进德,刘庆山[1]（2019）在《基于指数Laplace损失函数的回归估计鲁棒超限学习机》一文中研究指出实际问题的数据集通常受到各种噪声的影响,超限学习机(extreme learning machine, ELM)对这类数据集进行学习时,表现出预测精度低、预测结果波动大.为了克服该缺陷,采用了能够削弱噪声影响的指数Laplace损失函数.该损失函数是建立在Gauss核函数基础上,具有可微、非凸、有界且能够趋近于Laplace函数的特点.将其引入到超限学习机中,提出了鲁棒超限学习机回归估计(exponential Laplace loss function based robust ELM for regression, ELRELM)模型.利用迭代重赋权算法求解模型的优化问题.在每次迭代中,噪声样本点被赋予较小的权值,能够有效地提高预测精度.真实数据集实验验证了所提出的模型相比较于对比算法具有更优的学习性能和鲁棒性.(本文来源于《应用数学和力学》期刊2019年11期）
李楠,张铎[2]（2019）在《1876—1879光绪大旱灾人口损失的再估计:基于历史自然实验的考察》一文中研究指出光绪大旱灾作为近代历史上最严重的自然灾害之一,对人口、社会及经济造成了巨大的冲击。受研究材料和估计方法的限制,现有关于光绪大旱灾人口损失的估计存在着诸多问题。本文利用府级数据,通过构建双重差分模型对此次旱灾造成的人口损失进行估计,考察了光绪大旱灾对人口损失的因果影响。研究发现:光绪大旱灾导致重灾区相比非重灾区人口年均增长率低11‰左右、人口密度低31%左右;而旱灾指数每上升1级,会导致县级户口损失约7 700余户,人口损失约3.1万;总人口损失约1 900万。本文丰富了现有关于光绪大旱灾的文献,对灾害导致的人口损失进行了重新估计,校正了以往的估计结果,同时也为近代是否存在"马尔萨斯陷阱"提供了新的实证证据。(本文来源于《中国经济史研究》期刊2019年05期）
欧建军,张安,鄢伟安[3]（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）
李俊华,徐玉华[4]（2019）在《复合Mlinex损失下Burr分布参数的Bayes估计》一文中研究指出本文在Burr分布参数的先验分布为其共轭先验分布Gamma分布Γ(a,b)时,给出了其在复合Mlinex对称损失函数下的Bayes估计、E-Bayes估计公式和多层Bayes估计公式。最后,通过数值模拟说明了Burr分布在复合Mlinex对称损失函数下Bayes估计的稳健性及精确性。(本文来源于《统计与决策》期刊2019年15期）
程建华,毛施云,王德辉[5]（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）
王亚楠,韦程东,张晓东,岑泰林,唐璐薇[6]（2019）在《复合LINEX对称损失下逆高斯分布参数倒数Bayes估计》一文中研究指出该文主要讨论了当参数θ的先验分布为Γ分布时,在复合LINEX对称损失函数下,逆高斯分布形状参数θ的Bayes估计、E-Bayes估计和多层Bayes估计问题,得到了相应的估计公式,并证明了参数θ的Bayes估计是可容许的.(本文来源于《广西师范学院学报(自然科学版)》期刊2019年02期）
李瞳辉,金蛟,童行伟[7]（2019）在《线性EV模型参数的联合损失修正估计》一文中研究指出给出了线性EV模型回归和尺度参数的联合损失修正估计方法,在测量误差服从拉普拉斯分布且协方差阵已知条件下,证明了估计量的渐近正态性.(本文来源于《北京师范大学学报(自然科学版)》期刊2019年03期）
韩明[8]（2019）在《不同损失函数下Poisson分布参数的E-Bayes估计及其E-MSE》一文中研究指出为了度量E-Bayes估计的误差,该文基于E-Bayes估计的定义,引入了E-Bayes估计的E-MSE(expected mean square error)的定义.对Poisson分布的参数,在不同损失函数(包括:平方损失,K-损失,加权平方损失)下分别给出了E-Bayes估计及其E-MSE的表达式.用Monte Carlo方法进行模拟比较提出的估计方法的性能,分析了一个真实数据集并进行了比较,所得结果比较基于E-MSE,结果表明该文提出的方法可行且便于应用.(本文来源于《数学物理学报》期刊2019年03期）
张德,李国璋,王怀光,张峻宁[9]（2019）在《一种组合型损失函数的位姿估计算法》一文中研究指出基于卷积神经网络(CNN)的目标位姿估计模型的损失函数大多采用两点之间的欧氏距离作为评判准则,虽然该损失函数计算简单、运算速度快,但训练规则不够全面、缺乏对目标的全局认识。针对这一问题,提出了一种基于组合型损失函数的ComPoseNet模型,并进行位姿估计。此模型中的损失函数从空间学习的角度出发,同时利用两点欧氏距离、两点直线和两点直线角度等作为训练规则。相比传统损失函数,此算法分别从点、线以及角度方面考虑了目标的空间整体位置,进一步减小了估计位姿与真实位姿之间的误差,位姿估计得以改善。在LineMod数据上进行大量的实验和分析,结果表明,在相同的训练次数情况下,本文算法比传统算法收敛速度快、精度高、误差小,其中平移误差降低了7.407%,角度误差降低了6.968%。(本文来源于《激光与光电子学进展》期刊2019年22期）
张庆莉,吴黎军[10]（2019）在《广义加权损失函数下未决赔款准备金的信度估计》一文中研究指出为了使得估计的准备金不依赖于先验分布的具体形式,在贝叶斯链梯模型中,采用信度理论的思想,在广义加权损失函数下得到链梯因子的信度估计,建立了案均赔款法下的未决赔款准备金模型.最后,给出保险公司的实际例子,将得到的信度估计与经典链梯法和随机链梯法估计进行了比较.结论显示,方法对未决赔款准备金是有效的.(本文来源于《数学的实践与认识》期刊2019年09期）
损失估计论文开题报告
（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：
光绪大旱灾作为近代历史上最严重的自然灾害之一,对人口、社会及经济造成了巨大的冲击。受研究材料和估计方法的限制,现有关于光绪大旱灾人口损失的估计存在着诸多问题。本文利用府级数据,通过构建双重差分模型对此次旱灾造成的人口损失进行估计,考察了光绪大旱灾对人口损失的因果影响。研究发现:光绪大旱灾导致重灾区相比非重灾区人口年均增长率低11‰左右、人口密度低31%左右;而旱灾指数每上升1级,会导致县级户口损失约7 700余户,人口损失约3.1万;总人口损失约1 900万。本文丰富了现有关于光绪大旱灾的文献,对灾害导致的人口损失进行了重新估计,校正了以往的估计结果,同时也为近代是否存在"马尔萨斯陷阱"提供了新的实证证据。
（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。
损失估计论文参考文献
[1].王快妮,曹进德,刘庆山.基于指数Laplace损失函数的回归估计鲁棒超限学习机[J].应用数学和力学.2019
[2].李楠,张铎.1876—1879光绪大旱灾人口损失的再估计:基于历史自然实验的考察[J].中国经济史研究.2019
[3].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
[4].李俊华,徐玉华.复合Mlinex损失下Burr分布参数的Bayes估计[J].统计与决策.2019
[5].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
[6].王亚楠,韦程东,张晓东,岑泰林,唐璐薇.复合LINEX对称损失下逆高斯分布参数倒数Bayes估计[J].广西师范学院学报(自然科学版).2019
[7].李瞳辉,金蛟,童行伟.线性EV模型参数的联合损失修正估计[J].北京师范大学学报(自然科学版).2019
[8].韩明.不同损失函数下Poisson分布参数的E-Bayes估计及其E-MSE[J].数学物理学报.2019
[9].张德,李国璋,王怀光,张峻宁.一种组合型损失函数的位姿估计算法[J].激光与光电子学进展.2019
[10].张庆莉,吴黎军.广义加权损失函数下未决赔款准备金的信度估计[J].数学的实践与认识.2019
论文知识图
