二阶问题混合元法的L_∞估计
نویسندگان
چکیده
منابع مشابه
[Evaluation of clinical therapeutic effect for traditional Chinese medicine].
传统中医药临床疗效评价的重要性在于 : ( 1) 科 学传承中医药优秀的临床实践经验 ,以代代相传 , 更 好地为病人服务 ; ( 2) 探索和建立符合中医药特点的 评价参照系 , 以更加贴切地反映中医药学术特色 ; (3 )对虚假和不实事求是的评价以及评价不当者予 以纠正。 评价医药疗效应强调四性 ( 4R ) : ( 1 ) 合理性 ( ra tionality ) :其理论思维、病证结合的评估标准以 及统计学要求合理 ; ( 2) 重复性 ( replication ) :其疗效 结论主客观误差小 , 经得起他人重复 ; ( 3 ) 随机性 ( randomization) :设计/ 观察/ 验证及后续都能体现 ; (4 )代表性 ( represen tativeness ) : 基本可以反映当代 实际医疗水平。 评价疗效的标准要求 : ( 1) 应采用合理的国际及 国内统一...
متن کامل基於稀疏成份分析之旋積盲訊號源分離方法 (Convolutive Blind Source Separation Based on Sparse Component Analysis) [In Chinese]
本論文針對的是在不知道源訊號個數的情況下,一個稀疏欠定的旋積盲訊號源分 離。我們的演算法分為兩個階段,先估計混合矩陣然後才利用此矩陣分離源訊號。在 估計混合矩陣上,首先定義了兩個特徵參數,包括了 Level-Ratio 以及 PhaseDifference,我們藉由 KNN Graph 方式,去除資料中的離群樣本,並用 K-Means 分群 演算法對其餘的資料分群,然後應用 DOA 解決不同頻率間的排列問題,以達到估計混 合矩陣的目的。此外,我們對此混合矩陣進行相位之補償,以獲得更精確之混合矩陣 估計。本方法是建立於最大後驗機率方法上,在求得混合矩陣之後,利用最小 L1 範數 去解一個欠定的線性最佳化問題。此外,對於未知的源訊號個數,我們利用 K-Means 演算法和貝氏資訊準則作結合,並對所有頻帶的結果做整體考量,以達到估測源訊號 個數的目的。在實驗模擬的部分,會將我們提出的方法與...
متن کامل[Application of statistical idea and the triple-type theory in the scientific research of biomedicine].
在生物医学科研工作中 ,人们面对的是具有极 大变异性的生物体 ,而研究具有变异性事物或现象 的变化规律 ,离不开统计学的思维方法和技术手段 , 因此 ,统计学起着不可替代的作用 。 遗憾的是统计 学的理论比较深奥 ,要考虑的问题非常多 ,应用时灵 活性又非常大 ,每当实际工作者(包括科研工作者 、 临床医生 、杂志编辑等)要运用较复杂的实验设计知 识和统计分析知识时 ,常感到心中无底 ,有时甚至望 而生畏 。 问题的症结并非出自于实际工作者本身 , 主要原因应该归结于现行的医学(或卫生)统计学教 科书 。 因为传统的统计学教科书中所写的内容几乎 都是经过统计学工作者加工后的半成品 ,它们是一 代又一代统计学工作者经过多年“修剪”出来的“标 准型” 。 实际工作者拿着自己的问题(通常是披着假 象的“表现型”) ,试图通过比照这些“标准型”找到解 决问题的办法 ,但“表现型”与“标准型”...
متن کامل使用韻律階層及大量詞彙的中文文轉音系統 (A Mandarin Text-to-Speech System Using Prosodic Hierarchy and a Large Number of Words) [In Chinese]
余明興、張唐瑜、許燦煌、蔡育和 國立中興大學資訊科學所 [email protected], [email protected], [email protected], [email protected] 摘要 本論文實作了一個中文的文轉音系統(Test-to-Speech)系統,它使用大量的詞彙來做為合成單 元(Synthesis units),並且配上適當的韻律階層。韻律階層可以使語意更加清晰,也可以幫助選取 適當的合成單元。因此本篇論文主要包含兩個重點:韻律階層的求取和以大量詞彙作為合成單元 的架構,在韻律階層的求取上,我們實驗了利用剖析器為基礎的方法以及著名的統計式方法 -CART(Classification And Regression Trees)來進行求取。我們使用大量詞彙來當成我們的合成單 元,可以免去許多語音處理不易...
متن کامل具相關資訊回饋能力之貝氏混合式機率檢索模型 (Using Relevance Feedback in Bayesian Probabilistic Mixture Retrieval Model) [In Chinese]
摘要 本篇論文提出新穎之相關回饋(Relevance Feedback)方法並應用於混合式機率檢索系統(Mixture Probability Model)以提昇檢索效能。相關資訊回饋法以往最常用的技術是查詢句擴充法(Query Expansion),本回饋方式 是架構在以混合式機率模型為主的檢索系統上,為了加強檢索效能,我們是在查詢句擴充法中,強調不同查詢 詞的重要性,所以提出查詢詞權重重調整(Query Term Reweighting)技術;此外,我們也利用檢索出來的前 N 名文件和資料庫的每份文件個別重調成新的文件語言模型,以提供較好的文件語言模型提供檢索時使用。在查 詢字權重之重調整部分以最佳相似度(Maximum Likelihood)為估測準則,而文件語言模型之調整部分先後以 最佳相似度與最佳事後機率(Maximum a Posteriori)為估測準則供我們對照比較,...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Chinese Science Bulletin
سال: 1987
ISSN: 0023-074X
DOI: 10.1360/csb1987-32-23-1834