导读:本文包含了最优弱收敛速度论文开题报告文献综述及选题提纲参考文献，主要关键词:切片逆回归,充分降维,稀疏性
最优弱收敛速度论文文献综述
谈凯[1]（2018）在《稀疏切片逆回归：最优收敛速度及其自适应估计》一文中研究指出切片逆回归(SIR)是进行充分降维和数据可视化的一种创新并且十分有效的方法。近年来,许多学者提出了一系列通过添加惩罚项去估计稀疏充分降维模型的中心子空间的方法。但是截至目前为止,很少有学者在真实的降维方向为稀疏的情形下研究所提出的稀疏充分降维方法的理论性质。为了填补这一研究的空白,本文以充分降维相关文献的常用损失函数作为准则推导稀疏切片逆回归模型的minimax收敛速度。与此同时,我们还发现稀疏切片逆回归在统计理论性质和计算效果之间可能存在着一种权衡。在算法上,本文提出了一种自适应的算法去估计稀疏切片逆回归的充分降维的方向,所提出的算法不仅易于计算而且可以证明其接近最优的minimax收敛速度。数值模拟部分进一步验证了本文所提出的估计方法的理论性质,实例分析部分也展示了本文所提估计方法在实际数据分析中的应用价值。(本文来源于《华东师范大学》期刊2018-05-01）
王惊晓,高乾坤,汪群山[2]（2014）在《一种具有最优收敛速度的正则化境面下降算法》一文中研究指出Pegasos算法是求解大规模支持向量机问题的有效方法,在随机梯度下降过程中植入多阶段循环步骤,能使该算法得到最优的收敛速度O(1/T)。COMID算法是由镜面下降算法推广得到的正则化随机形式,可保证正则化项的结构,但对于强凸的优化问题,该算法的收敛速度仅为O(logT/T)。为此,在COMID算法中引入多阶段循环步骤,提出一种求解L1+L2混合正则化项问题的最优正则化镜面下降算法,证明其具有最优的收敛速度O(1/T),以及与COMID算法相同的稀疏性。在大规模数据库上的实验结果验证了理论分析的正确性和所提算法的有效性。(本文来源于《计算机工程》期刊2014年06期）
沈家,李长国[3]（2002）在《一个连续时间非平稳随机过程下的核密度估计的最优收敛速度》一文中研究指出设{Xt,t≥0}为定义在Rd上的随机过程,它由模型Xt＝zt+φ(Yt)+ εt 确定,{Yt} 和{εt}相互独立,而zt为非随机变量．对于连续观察的样本,本文给出了非参数密度核估计极其在均方意义下的最优收敛速度,并讨论了非随机项运动形式对此速度的影响．(本文来源于《应用概率统计》期刊2002年02期）
赵选民,孙浩[4]（1997）在《半参数回归模型非参数分量L_1模估计的最优收敛速度》一文中研究指出对半参数回归模型，采用分段多项式逼近非参数函数，构造了参数与非参数分量Ｌ１模估计，并获得了非参数分量Ｌ１模估计的最优估计收敛速度为Ｏｐ（ｎ－ｍ＋ｒ［２（ｍ＋ｒ）＋１］）．(本文来源于《纯粹数学与应用数学》期刊1997年02期）
杨林,朱燕堂[5]（1996）在《多维参数线性经验Bayes估计一致收敛速度的最优性》一文中研究指出证明出任何一个多维参数线性经验Bayes估计的一致收敛速度不可能超过1,从而说明文中构造的线性经验Bayes估计的一致收敛速度1是最优的。(本文来源于《纯粹数学与应用数学》期刊1996年01期）
胡舒合[6]（1996）在《条件函数逐点估计的最优收敛速度》一文中研究指出基于严平稳α-混合样本,本文获得了条件函数γ_t(x)-E(β_t(Y_1)|X_1=x)核估计的逐点最优收敛速度|γ_(tN)-γ_t(x)|=O_p(n~(-1(2+d))).(本文来源于《安徽大学学报(自然科学版)》期刊1996年01期）
杨亚宁,韦来生[7]（1995）在《多参数离散指数族参数渐近最优的经验Bayes估计的收敛速度》一文中研究指出本文构造了多参数离散指数族参数的渐近最优的经验Bayes（EB）估计,若记B_n（δ_n,G）为δn的全面Bayes风险,R_G最小Bayes风险,则在某些条件下c_1n~(-1）<R_n（δ_n,G）-R_G≤c_2n~-λ（μ-2）/μ对0<λ<1,μ>2成立,其中c_1,c_2为正的常数,(本文来源于《应用概率统计》期刊1995年01期）
施沛德[8]（1994）在《非参数回归模型最小一乘估计的全局最优收敛速度》一文中研究指出非参数回归模型最小一乘估计的全局最优收敛速度施沛德（中国科学院系统科学研究所，北京１０００８０）国家自然科学基金资助课题．１９９１年１１月２７日收到．一、引言考虑非参数回归模型这里为．随机误差序列，其分布的中位数为零；Ｘ１，Ｘ２，…为服从分布密度ｆ的...(本文来源于《系统科学与数学》期刊1994年04期）
施沛德,何旭铭[9]（1994）在《相依数据的非参数分位数回归估计的最优收敛速度》一文中研究指出文献[1]把通常的一维数据的分位数思想成功地应用于条件分位数线性回归.正如文献[2]中所表述的那样,由数据计算出的各条分位数回归曲线比一条均值回归曲线更能完整地描述一组数据的分布.关于独立观测数据的分位数线性回归.因为线性假设对模型限制太严,实际数据不一定满足这种模型假设.(本文来源于《科学通报》期刊1994年17期）
施沛德,陈希孺[10]（1994）在《关于非参数回归M－估计的最优收敛速度的一点记注》一文中研究指出假设随机观测数据（Ｔ１，Ｙ１），…，（Ｔｎ，Ｙｎ）满足非参数回归模型Ｙｉ－ｇ０（Ｔｉ）＋ｕｉ，１≤ｉ≤ｎ。本文讨论非参数回归函数ｇ０的分段多项式Ｍ估计ｇｎ的最优收敛速度问题，其中ｇｎ满足为一ｍ阶分段多项式函数类，ρ是给定的一个函数，它不一定处处可微．在一定条件下，本文证明了上述稳健Ｍ估计达到非参数回归的最优收敛速度．(本文来源于《数学年刊A辑(中文版)》期刊1994年02期）
最优弱收敛速度论文开题报告
（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：
Pegasos算法是求解大规模支持向量机问题的有效方法,在随机梯度下降过程中植入多阶段循环步骤,能使该算法得到最优的收敛速度O(1/T)。COMID算法是由镜面下降算法推广得到的正则化随机形式,可保证正则化项的结构,但对于强凸的优化问题,该算法的收敛速度仅为O(logT/T)。为此,在COMID算法中引入多阶段循环步骤,提出一种求解L1+L2混合正则化项问题的最优正则化镜面下降算法,证明其具有最优的收敛速度O(1/T),以及与COMID算法相同的稀疏性。在大规模数据库上的实验结果验证了理论分析的正确性和所提算法的有效性。
（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。
最优弱收敛速度论文参考文献
[1].谈凯.稀疏切片逆回归：最优收敛速度及其自适应估计[D].华东师范大学.2018
[2].王惊晓,高乾坤,汪群山.一种具有最优收敛速度的正则化境面下降算法[J].计算机工程.2014
[3].沈家,李长国.一个连续时间非平稳随机过程下的核密度估计的最优收敛速度[J].应用概率统计.2002
[4].赵选民,孙浩.半参数回归模型非参数分量L_1模估计的最优收敛速度[J].纯粹数学与应用数学.1997
[5].杨林,朱燕堂.多维参数线性经验Bayes估计一致收敛速度的最优性[J].纯粹数学与应用数学.1996
[6].胡舒合.条件函数逐点估计的最优收敛速度[J].安徽大学学报(自然科学版).1996
[7].杨亚宁,韦来生.多参数离散指数族参数渐近最优的经验Bayes估计的收敛速度[J].应用概率统计.1995
[8].施沛德.非参数回归模型最小一乘估计的全局最优收敛速度[J].系统科学与数学.1994
[9].施沛德,何旭铭.相依数据的非参数分位数回归估计的最优收敛速度[J].科学通报.1994
[10].施沛德,陈希孺.关于非参数回归M－估计的最优收敛速度的一点记注[J].数学年刊A辑(中文版).1994