罗幼喜
- 作品数:57 被引量:151H指数:7
- 供职机构:湖北工业大学理学院更多>>
- 发文基金:国家社会科学基金国家自然科学基金博士科研启动基金更多>>
- 相关领域:理学经济管理自动化与计算机技术社会学更多>>
- GCM中方差分量的MINQE(U,I)及其优良性
- 2006年
- 给出了生长曲线模型中方差分量的无偏不变最小模二次估计,并且讨论了它成为一致最小方差不变二次无偏估计的充要条件.
- 罗幼喜李翰芳
- 关键词:方差分量
- 我国各地区城市居民食品消费结构的统计分析被引量:4
- 2007年
- 根据我国各地区居民食品消费支出,运用因子分析得出影响我国居民食品消费结构的5个主要的公共因子,针对这5个主要的公共因子运用聚类分析对各地区的食品消费结构进行划分,得出7类食品消费类型.并结合相关营养学知识和各地区自身的特点提出一些优化食品消费结构的参考意见.
- 罗幼喜李翰芳
- 关键词:食品消费结构聚类分析
- 左删失数据的双惩罚贝叶斯Tobit分位回归方法被引量:1
- 2023年
- 在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。
- 舒婷罗幼喜胡超竹李翰芳
- 关键词:贝叶斯方法
- 非参数面板数据模型的贝叶斯分位回归方法研究
- 2020年
- 文章针对面板数据在贝叶斯分析的框架下讨论了非参数分位回归建模方法。利用低秩薄板惩罚样条的展开,通过引入虚拟变量和非对称Laplace分布,建立贝叶斯分层分位回归模型,给出了未知参数估计的Metropolis-Hastings抽样算法。模拟结果显示,新方法在稳定性和无偏性方面都更优于4种传统方法。最后以消费支出面板数据为例,演示了新方法在实际建模中的应用,获得了一些有益的新结论。
- 张敏罗幼喜
- 关键词:蒙特卡罗模拟
- 混合效应模型的非参数贝叶斯分位回归方法研究被引量:3
- 2016年
- 本文对混合效应模型提出了一种非参数贝叶斯分位回归方法,通过引进一种新的分层有限正态混合分布,将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下。通过对混合比例参数假设广泛灵活的Stick-Breaking先验,使得模型捕捉复杂数据分布信息的能力更强。在建立的非参数贝叶斯分层分位回归模型中引入潜变量,使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)N项函数值变为每次只需计算N项即可。蒙特卡罗模拟显示,在误差分布函数变得较为复杂时,非参数贝叶斯分位回归方法比参数方法在估计效果上有更大的优势。
- 李翰芳罗幼喜田茂再
- 关键词:混合效应模型
- 一种改进精简的语音识别模型
- 2022年
- 为解决深度学习模型在语音识别芯片上内存占用过大的问题,训练时间长,训练深度不够等问题,本文在Transformer语音识别模型的基础上,提出一种减少Transformer计算复杂度的模型,新的模型参数仅有原模型的1/10,模型训练速度大大提升。此外本文在对模型进行参数调整的过程中还对Transformer模型结构中add&norm这一结构结合残差神经网络进行修改,针对模型在训练过程中因为模型深度太深(容易产生梯度消失和梯度爆炸)导致的模型收敛速度过慢或者模型不收敛等问题,在保证词错率下降的同时,加快模型的收敛速度和训练速度,修改结构之后的模型在词错率上相比原有模型词错率更低,并且收敛速度也比未修改结构的模型收敛速度更快。
- 刘鑫罗幼喜
- 关键词:语音识别TRANSFORMER
- 基于bagging算法的经济金融数据分析
- 2021年
- 为了研究弱分类器的个数及种类的构成对强分类器预测准确性的影响,以及在不同经济金融数据的预测情况,选择credit,bank,stock,audit数据集模拟bagging算法分类器的个数和分类器构成方法不同时的预测情况。其中由KNN算法、C5.0算法和朴素贝叶斯算法构造了7种不同的组合方法。总的来看,基于bagging的C5.0决策树方法并设置分类器个数为50时预测效果最佳。对bank数据集设置最佳的方法和分类器个数进行实例分析,准确性达到94.17%,预测情况良好。
- 任雪妮罗幼喜
- 关键词:BAGGING算法KNN算法朴素贝叶斯算法
- 面板数据分位回归模型中固定与随机效应的选择被引量:3
- 2016年
- 随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差。文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩。通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法。通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题。计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择。
- 罗幼喜李翰芳田茂再
- 关键词:GROUP
- 含随机效应的增长曲线模型回归参数阵的估计
- 文章考虑了增长曲线模型:{Yp×n=Xp×qΘq×kAk×n+Ep×n 和含随机效应的增长曲线模型:{Yp×n=Xp×qΘq×kAk×n+Xp×qηq×n+Ep×n η~Nq,n(0,D,In),E~Np,n(0,R,I...
- 罗幼喜
- 关键词:回归系数阵最小二乘估计极大似然估计最佳线性无偏估计
- 文献传递
- 基于双惩罚分位回归的面板数据模型理论与实证研究被引量:2
- 2016年
- 固定效应和随机效应同时选择是面板数据模型研究中的重要问题之一。本文通过分别对固定效应和随机效应引入条件Laplace先验,提出了一种新的贝叶斯双惩罚分位回归法。该方法不仅能对模型中重要解释变量进行自动选择,而且充分考虑到个体随机波动对解释变量系数估计带来的偏差。通过对方差分量的惩罚压缩,减少了模型中未知参数的个数,提高了模型自由度。Monte Carlo模拟及实证分析显示,所提出的方法不仅能准确估计出固定效应系数,而且能精确地捕捉到个体随机效应的波动。
- 罗幼喜李翰芳田茂再郑列
- 关键词:面板数据分位回归贝叶斯分析