模型选择
模型选择的相关文献在1983年到2022年内共计574篇,主要集中在自动化技术、计算机技术、经济计划与管理、财政、金融
等领域,其中期刊论文439篇、会议论文33篇、专利文献210983篇;相关期刊296种,包括数量经济技术经济研究、统计与信息论坛、统计研究等;
相关会议32种,包括第四届全国工程风险与保险研究学术研讨会、中国五矿集团公司首届青年管理技术论坛、第十四届中国科协年会第14分会场——极端天气事件与公共气象服务发展论坛等;模型选择的相关文献由1320位作者贡献,包括廖士中、黄梯云、吴菲等。
模型选择—发文量
专利文献>
论文:210983篇
占比:99.78%
总计:211455篇
模型选择
-研究学者
- 廖士中
- 黄梯云
- 吴菲
- 张涛
- 丁立中
- 卢俊香
- 张瑞
- 李济洪
- 杨晓伟
- 王文剑
- 丁义明
- 于林森
- 冯国灿
- 冯玉强
- 冯璐
- 刘大同
- 刘春辰
- 吴克坤
- 唐兴兴
- 孙道德
- 尚来旭
- 张建新
- 张田文
- 彭喜元
- 彭宇
- 李建平
- 李诗琦
- 杨关
- 杨明
- 林冰垠
- 毛文涛
- 滕克难
- 焦李成
- 王士同
- 王虎
- 王行愚
- 王道波
- 盖炳良
- 盛守照
- 胡希远
- 范文涛
- 谭秋衡
- 贾磊
- 赵林城
- 邹永杰
- 郭力萌
- 陈希孺
- 陈瑞钦
- 黄向华
- 黄启军
-
-
-
邹彤彤;
刘孝义;
刘金泉;
袁海梁;
卢玉斌;
张万虎
-
-
摘要:
岩土工程现场及室内参数测试数据是工程施工、设计、评价的基础。异常数据的存在往往会误导施工、设计等参数的确定,数据异常检测是确保工程安全可靠的最基本但极为重要的工作。针对传统异常检测算法没有模型选择这一过程而导致检测的盲目性,提出了基于元学习的异常检测算法(meta-learning outlier detection,MetaOD)和数据挖掘算法相结合的异常检测模型体系。该体系首先根据数据的特点选择适合不同数据类型的初始模型类型及其参数,并对选择出的同类型算法的参数进行求均值处理;然后再采用遴选出的算法进行数据异常诊断,进而提高异常检测的准确性。为了评估模型的有效性,采用加州大学欧文分校提出的机器学习检验数据集(glass数据集)进行检验分析。结果显示,采用该模型体系进行异常检测时查准率达到96.41%,远高于其他检测算法。最后,应用该模型体系对澳门花岗岩单轴抗压强度数据集和均昌隧道的地下水位监测数据进行了异常检测分析,并分别识别出9个和10个异常点。
-
-
巴丽伟;
童常青
-
-
摘要:
为了讨论因子分析模型中超先验分布对变分贝叶斯估计结果的影响。首先,引入贝叶斯理论进行因子分析,提出因子分析模型的变分贝叶斯推断算法;然后,运用提出的算法对模型参数进行估计,并根据变分贝叶斯信息准则(Variational Bayes Information Criterion,VBIC)进行模型选择;最后,应用于合成数据集。实验结果表明,大约有90%的偏差绝对值小于0.1,证明了该算法的有效性;与参数未设置超先验分布相比,当参数设置超先验分布时,VBIC值减少,模型的参数估计效果更佳。
-
-
索文莉;
李长国
-
-
摘要:
讨论了近似贝叶斯计算(ABC)方法的改进算法ABC-SMC在实际建模过程中的模型选择和参数估计问题.ABC算法是一个似然自由的算法.当似然函数难以计算或没有精确解析形式的情形时,ABC算法规避了似然函数的计算,转而关注模型的生成模拟,这也是该算法的核心.ABC-SMC在经典的ABC框架上改造了抽样过程,利用序列蒙特卡罗策略逐步减小阈值,从而达到模型选择和参数估计的目的,避开了贝叶斯因子的计算.通过两个模型的模型选择和参数估计的详细阐述,将算法分析结果与真实情况相比较,表明ABC算法处理模型选择和参数估计问题的有效性.
-
-
段晓毅;
李邮;
令狐韫行;
胡荣磊
-
-
摘要:
目前,随机森林(RF)算法在侧信道分析领域的潜力还没有得到充分利用。文章提出一种基于RF算法的侧信道攻击方法,分别从输入数据处理和参数控制两方面进行模型优化,在特征点选择和RF算法参数调优两方面进行改进。对于高维数据,首先使用SOST相关系数法选出100个特征点,然后对RF算法的各参数进行调优。实验结果表明,与采用默认参数值的基于RF算法的侧信道攻击相比,该方法的攻击成功率显著提高,模型的泛化能力也有一定程度的提高。
-
-
杨小藜;
孙荣
-
-
摘要:
本文针对一组具有过离散特征的保险索赔数据,采用对比分析的研究方法分别对泊松回归、负二项回归模型、泊松-逆高斯模型以及零膨胀泊松模型和零膨胀负二项模型进行探讨,主要采用AIC和BIC信息准则对模型加以比较。最终拟合结果显示,负二项回归模型和泊松-逆高斯对过离散型索赔数据的拟合效果相当,且两者均比泊松回归和零膨胀模型更佳;综合看泊松-逆高斯模型的效果表现为最佳。
-
-
胡朝霞;
胡海周;
蒋从锋;
万健
-
-
摘要:
边缘智能指利用人工智能算法为网络边缘设备提供数据分析能力的一种服务形式。然而,边缘计算环境比云计算更加复杂和多变。在构建边缘智能的过程中存在很多问题,例如缺乏量化的评价标准、异构计算平台、复杂的网络拓扑、不断变化的用户需求等,其中比较突出的是算法模型的高资源需求与边缘设备资源储备低之间的矛盾。机器学习是边缘智能的主要工作负载,它需要大量的计算资源,然而边缘设备的计算资源有限,两者的供求关系并不匹配,边缘智能负载的部署和优化成为了一个难题。因此,针对边缘智能负载性能优化问题,文中提出了基于负载特征的边缘智能性能优化CECI(Cloud-Edge Collaborative Inference)策略,从模型选择、批量自适应调整和云边协同方面对不同机器学习负载进行了优化。在模型选择方面,使用基于目标权重的模型自适应选择策略,实现在多个条件约束下,综合权衡多个性能优化目标的效果。在批量自适应调整方面,提出了基于开销反馈的批量自适应调整算法,使得模型在运行时能够达到更好的性能。在云边协同方面,通过结合网络状态和用户时延要求设计出了云边协同策略,进而达到了动态利用云端计算资源的效果。实验结果表明,与云智能相比,所提出的基于负载特征的边缘智能能够缩短50.79%的程序运行时间,降低了42.46%的系统能耗,并提升了4.52%的模型准确率。
-
-
张文涛
-
-
摘要:
模型选择是数学建模的基石,不同数学模型不仅影响建模过程,而且是影响模型的解与实际结果误差的重要因素。以“身高与体重关系”为例,探讨模型的选择问题,认识影响模型选择的主要因素,并给出模型选择和模型改进的基本观点。
-
-
李涵;
赵建昕;
王晓;
李新民
-
-
摘要:
Kriging模型是计算机试验的一种常用模型,因具有良好的非线性拟合能力而被广泛使用。本文在一般Kriging模型相关研究的基础上,研究了Kriging模型的变量选择问题,并给出了Elastic Net变量选择方法。与Lasso和adaptive Lasso相比,数值模拟表明Elastic Net变量选择方法能够提高拟合模型的准确性和稳定性。
-
-
夏成文;
杨司玥;
鲍玉昆;
潘睿;
邓源彬
-
-
摘要:
电力负荷数据具有非线性、非平稳的特点,基于机器学习的预测技术始终是负荷预测领域的研究热点.而模型选择,即包括参数优化、特征选择等一系列可以使模型达到最优状态的操作,是提高机器学习负荷预测模型性能的关键.为此,提出了一种基于二进制CLPSO算法的模型选择一体化策略,整合特征选择和参数优化过程,以提高SVM预测方法的自适应性.并以GEFCom2012竞赛的电力负荷数据为例进行实验,证明了所提出的一体化模型选择框架能够有效提高SVM模型的预测精确度.
-
-
刘彦楼;
辛涛;
李令青
- 《“大数据驱动的教育变革”国际研讨会暨首届中国教育大数据发展论坛》
| 2016年
-
摘要:
本文提出了改进后的用于诊断分类模型中模型选择的Wald统计量.尽管Wald统计量在DCM的模型选择中具有重要作用,但是以往研究(Ma,Iaconangelo,&de la Torre,2016;de la Torre&Lee,2013)中Wald统计量的表现并不好.本研究中共进行了两个模拟研究.模拟研究1的目的是检验分别使用观察信息矩阵以及三明治信息矩阵计算的用于模型选择的Wald统计量的一类错误控制率.模拟研究2的目的是检验以上两种方式构建的Wald统计量的统计检验力.模拟结果显示:(1)使用观察信息矩阵时,Wald统计量在DINA,C-RUM以及DINO模型上的一类错误控制率很接近预先设定的显著性水平.(2)当使用三明治信息矩阵构建Wald统计量时,DINA,C-CUM的一类错误控制率略低于预先设定的显著性水平.对于DINO而言,当时其一类错误控制率相对保守;当样本量较小且时,一类错误控制率膨胀.(3)对于DINA与DINO而言,用于模型选择的Wald统计量的统计检验力在所有条件上都很高.对于C-RUM而言,当样本量比较小且时,Wald统计量的统计检验力偏低.
-
-
-
-
李成园
- 《中国五矿集团公司首届青年管理技术论坛》
| 2014年
-
摘要:
价格数据对于指导产品生产以及调整行业结构具有重要意义,所以,使用产品的历史价格数据对未来价格趋势进行有效的预测显得尤为重要.唯有把握未来,才能做出正确的决策.在经济活动中,常常遇到这样的问题:已收集到某经济变量的若干历史数据,如何据以预测未来某时刻经济变量的取值。一般常用的有时间序列预测法和回归预测法.回归预测法充分考虑了对价格产生影响的某些重要因素,但容易以偏概全。时间序列预测法一方面承认事物发展的延续性,另一方面又充分考虑到事物发展偶然因素的影响产生的随机性,不管有多少因素影响了价格变化,最终都会反映到价格走势上,所以该方法只利用价格的历史数据,进行统计分析,用差分的方法消除波动的影响,进行趋势预测。时间序列预测技术就是通过对预测目标自身时间序列的处理,来研究其变化趋势。刚接触到一个观测序列时,会觉得它是杂乱无章,无规律可循。其实不然,一个时间序列是由长期趋势变动、季节变动、循环变动和不规则变动等变化形式叠加或耦合形成的。文章介绍了时间序列法在价格短期预测方面的理论基础和预测程序,包括参数估计和模型选择等,还指出应当指出的是,影响产品价格的因素很多,诸如供求、国家宏观经济调控及相关政策的影响等,这些因素将对未来时期产品的价格趋势造成很大影响,因此建议对已经建立的时间序列模型,必须以新的实际值来验证,并在现有基础上通过不断加入新的实际值来修正ARMA模型,从而使模型具有更好的预测性。
-
-
Zhou Si-yu;
周斯昱;
Shen Bo;
沈波
- 《管理科学与工程学会2012年年会暨第十届中国管理科学与工程论坛》
| 2012年
-
摘要:
随着知识经济时代的到来,知识已经成为企业或组织的强大竞争力.经过对中国知网和Web of Science的文献研究,利用CiteSpace软件得到网络社区知识转移研究的主要研究主题,从网络社区的内涵、影响网络社区知识转移的因素、网络社区知识转移的过程以及网络社区知识转移的机制和模型选择等方面对相关的研究进行分析,并提出未来的研究方向.网络社区可以根据社区成员的不同而灵活组合,为不同领域的社区成员提供了知识转移的环境,提高了知识转移的灵活性和效用性。今后的研究可以在已有的网络社区知识转移理论研究的基础上,进一步对网络社区知识转移进行研究和探讨,明确网络社区知识转移的过程对象和动因,并在对知识转移特性分析的基础上建立相应的模型或机制,来提高知识在网络社区中的转移效率,使不同的社区成员能更有效地获得不同的目标知识,帮助社区成员将获得的知识有效地运用到现实工作中。
-
-
丁义明;
范文涛;
谭秋衡;
吴克坤;
邹永杰
- 《纪念李国平院士、吴新谋教授诞辰100周年暨国际偏微分方程学术会议》
| 2010年
-
摘要:
该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题.引入了数据流的非平稳性度量的概念,给出了数据流非平稳性度量的有效的近似算法.数据流的非平稳性度量为0和1之间的实数,平稳性较好的数据流的非平稳性度量较小.作者将数据流的非平稳性度量应用到模型选择问题中,提出残差序列非平稳性度量最小化的模型选择标准.作者用数值试验检验了该文提出的数据流非平稳性度量的近似算法,并检验了其作为模型选择标准的能力.数值试验的结果表明,非平稳性度量是衡量数据流非平稳程度的一个合理指标,可以很好地区分趋势平稳数据和差分平稳数据,区分独立同分布序列、白噪声序列和鞅差序列.
-
-
-
戴翼
- 《第十一届规划信息化实务论坛》
| 2017年
-
摘要:
IBM机器学习数据科学家戴翼博士为大家介绍了相关内容.报告主要分为三个部分,第一部分是数据科学的概要,即什么叫数据科学、机器学习,它们之间有什么关系.数据科学是以数据驱动进行分析的,传统的数据科学是以问题驱动的,通过问题寻找已经存在的数据或者其他数据,通过这些数据找出模型,从而寻找最后的结果.
-
-
戴翼
- 《第十一届规划信息化实务论坛》
| 2017年
-
摘要:
IBM机器学习数据科学家戴翼博士为大家介绍了相关内容.报告主要分为三个部分,第一部分是数据科学的概要,即什么叫数据科学、机器学习,它们之间有什么关系.数据科学是以数据驱动进行分析的,传统的数据科学是以问题驱动的,通过问题寻找已经存在的数据或者其他数据,通过这些数据找出模型,从而寻找最后的结果.
-
-
戴翼
- 《第十一届规划信息化实务论坛》
| 2017年
-
摘要:
IBM机器学习数据科学家戴翼博士为大家介绍了相关内容.报告主要分为三个部分,第一部分是数据科学的概要,即什么叫数据科学、机器学习,它们之间有什么关系.数据科学是以数据驱动进行分析的,传统的数据科学是以问题驱动的,通过问题寻找已经存在的数据或者其他数据,通过这些数据找出模型,从而寻找最后的结果.