首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文

线性状态空间模型的若干学习问题研究

摘要第5-7页
abstract第7-9页
符号说明第12-13页
第1章 绪论第13-26页
    1.1 课题研究背景和意义第13-15页
    1.2 国内外研究现状第15-24页
        1.2.1 迭代优化方法第17-20页
        1.2.2 子空间方法第20-23页
        1.2.3 辨识方法扩展第23-24页
    1.3 论文的主要内容简介第24-25页
    1.4 本章小结第25-26页
第2章 多模型情况下的多样性研究第26-43页
    2.1 课题研究背景和意义第26-27页
    2.2 行列式点过程第27-29页
    2.3 多样性先验第29-34页
        2.3.1 状态空间模型的模型表示第30-31页
        2.3.2 多样性正则项第31-32页
        2.3.3 优化方法第32-34页
    2.4 实验验证第34-41页
        2.4.1 实验设置第34-35页
        2.4.2 人工数据集第35-37页
        2.4.3 基准数据集第37-41页
    2.5 本章小结第41-43页
第3章 基于贝叶斯优化的参数推断第43-63页
    3.1 课题研究背景和意义第43-44页
    3.2 贝叶斯优化第44-48页
        3.2.1 高斯过程第44-45页
        3.2.2 期望改善方法第45-48页
    3.3 方向性约束第48-53页
    3.4 实验验证第53-61页
        3.4.1 评价标准第53-54页
        3.4.2 数值模拟第54-59页
        3.4.3 基准数据集第59-61页
    3.5 本章小结第61-63页
第4章 流体状态机在时序数据分类上的应用第63-76页
    4.1 课题研究背景和意义第63页
    4.2 模型表述第63-68页
        4.2.1 多模型下的距离度量方法第65-67页
        4.2.2 模型扩展第67-68页
    4.3 实验验证第68-75页
        4.3.1 合成数据处理第69-71页
        4.3.2 基准数据测试第71-75页
    4.4 本章小结第75-76页
第5章 模型复杂度估计第76-94页
    5.1 课题研究背景和意义第76-77页
    5.2 最小编码描述长度第77-79页
    5.3 模型复杂度判别标准第79-83页
    5.4 实验模拟第83-92页
        5.4.1 序列预测第83-85页
        5.4.2 真实数据集第85-87页
        5.4.3 模型阶数消减第87-90页
        5.4.4 非线性数据集第90-92页
    5.5 本章小结第92-94页
第6章 结论与展望第94-97页
    6.1 全文工作总结第94-95页
    6.2 未来工作展望第95-97页
参考文献第97-106页
附录A 行列式点过程计算补充第106-109页
    A.1 归一化系数第106页
    A.2 方程求解方法第106-109页
附录B 后验分布的更新第109-113页
附录C 线性状态空间模型的复杂度估计第113-122页
致谢第122-123页
在读期间发表的学术论文与取得的研究成果第123页

论文共123页,点击 下载论文
上一篇:家族企业女性二代涉入、创业导向与企业绩效--基于与男性二代的比较研究
下一篇:辱虐管理对工作重塑的影响研究--工作使命感的调节作用