摘要：基于再生核Hilbert空间(reproducing kernel Hilbert space,RKHS)的统计学习模型被广泛应用于函数逼近、图像处理、模式识别和回归分析等领域,并且也在非线性随机动力学系统的辨识问题中有着很好的表现.本文提出一个基于鲁棒最优控制的RKHS模型学习方法,来实现对非线性随机动力学系统的高效在线建模.利用本文得到的关于再生核空间的一些理论结果,本文将随机动力学系统的在线学习问题转化为一组具有有界随机扰动的离散时变线性系统的输出反馈镇定问题,并利用模型预测控制技术来设计相应的控制算法和学习算法.与现有的RKHS模型学习方法相比,在不引入任何数据窗口原理、剪枝技术、学习步长的调整机制以及对噪声统计性质的假设的情形下,新方法可以在保证模型参数快速且鲁棒收敛的同时,实现对动力学系统的自适应高精度建模.此外,本文首次从最优控制的视角出发,研究动力学系统的在线核学习问题.在本文提出的研究框架下,现有各种控制技术可以被利用起来开发新的鲁棒学习方法,这也为核学习理论的研究和算法的开发提供一些新的思路.本文亦给出了数值算例和对比结果,用来说明新方法的有效性.

摘要：在主题深度表示学习的基础上,该文提出了一种融合双语词嵌入的主题对齐模型(topic alignment model, TAM),通过双语词嵌入扩充语义对齐词汇词典,在传统双语主题模型基础上设计辅助分布用于改进不同词分布的语义共享,以此改善跨语言和跨领域情境下的主题对齐效果;提出了2种新的指标,即双语主题相似度(bilingual topic similarity, BTS)和双语对齐相似度(bilingual alignment similarity, BAS),用于评价辅助分布对齐的效果。相比传统的对齐模型MCTA, TAM在跨语言主题对齐任务中双语对齐相似度提升了约1.5%,在跨领域主题对齐任务中F1值提升了约10%。研究结果对于改进跨语言和跨领域信息处理具有重要意义。

摘要：文章在对土地资产证券化进行界定的基础上,着重研究土地资产证券化的产品设计,创造性引入跳-扩散模型对土地资产证券化进行定价,解决产品设计中的核心问题。最后对土地资产证券化的风险控制和制度环境建设进行前瞻性探讨。

摘要：若对企业开征独立型环境税在某种程度上控制了企业的污染排放量,实际上在不同的"经济增长机制"下这种税收的效用具有异质性。文章借助均衡分析法,分析了环境税率、企业经营和环境质量三者之间的关联性,结果显示开征环境税可能导致两种相反的效用,其中核心的要素就是环境税率的设计,设置合理的税收水平才能够保证企业经营和环境质量增长的预期水平的实现。

摘要：当要对比市场上的无风险投资(如存入银行)与多种风险投资组合两种投资方式并进行组合投资策略时,要考虑两个目标,即尽可能获得最大总收益同时承担尽可能小的总体风险,但是这两个目标很难同时实现,因为高收益意味着高风险。文章通过设计一个有关于投资组合的线性规划模型来讨论这两个问题。通过选取合适的决策变量以化解风险函数的非线性性。通过对因子进行加权,我们求得了最佳方案并得到了有效投资曲线。投资者根据有效的投资曲线结合自己的偏好,选择自己的投资方向。最后通过非线性规划,说明线性规划的结果对于交易费收取的阈值有一定的容忍度。

摘要：我国统计数据质量的评价方法主要有逻辑性评价方法、从异常值角度评估、从误差角度评估、Bayes决策法以及SARIMA等。文章认为,我国统计数据质量不高的主要原因在于统计数据失真,不完整,时效性差,适用性不强,非同一性,统计手段和方法落后以及逻辑分析不合理等。其误差分布的来源在于系统性误差,这些误差存在于调查的设计、实施、计量和整合等阶段。

摘要：光伏发电企业容易受到政策不确定性的影响,本文在上网电价和发电成本不确定条件下建立光伏发电增值税收优惠政策实物期权模型,并在上网电价波动率为零的情况下构建标杆上网电价(固定上网电价)时增值税优惠政策效应实物期权模型。不同于现有税收优惠政策模型仅考虑税收优惠率的影响,本文的实物期权模型新方法包含了税收优惠期因素影响。选取实例数据实证分析表明:增值税优惠政策相当于使得光伏发电投资者每千瓦时多获得0. 007元收益;增值税优惠政策虽能促进光伏发电投资,但是现行的较短税收优惠期并不能给投资者带来更大收益,应延长税收优惠期至2024年。

摘要：本文基于超总体模型研究抽样调查中设计效应的计算问题。首先以随机效应模型为基础,明确了简单随机、二阶段、不等概率和分层抽样对应的超总体模型,进而通过所给模型推导出分层、类集、加权单因素设计效应和多因素组合设计效应的计算公式并给出了对应估计量,公式表明:多因素同时存在的组合设计效应等于对应单因素设计效应的乘积。最后,对设计效应的理论值、估计值和真实值之间的关系进行了蒙特卡洛仿真,并利用相对偏倚、相对均方误进行了评价。本文的研究对复杂抽样设计中正确计算、使用设计效应具有指导意义。

摘要：传统的动态稳健参数设计方法(田口方法)虽然在工业生产实践中展现了极大的方便,但是其本身也存在较大的改进空间.当调节变量不存在时,传统的田口方法难以实现;此外,田口方法只能根据所选取的参数水平得到最优参数组合,而这种所谓的最优结果有时并不符合实际的需要.首先构建BP神经网络模型,利用训练后的BP神经网络获得参数设计中质量特性、噪声因子以及各参数间的动态关系;然后,利用超拉丁方抽样,计算信号与特性参数间的斜率,并由此将动态稳健参数设计的寻优问题转化为相应的非线性规划问题;最后,利用次序二次规划(SQP)算法解决并优化动态稳健参数的设计。此外,我们选取了一个简单的数据案例对本文提出的方法的有效性进行了说明.

摘要：混料试验设计在众多领域中都有广泛的应用,有时试验者不仅仅需要考虑各混料成分所占比例对响应变量的影响,同时还关心其它被称为过程变量的因素.在实际中,对于这类问题通常使用的设计方案是混料设计和因子设计的组合设计.这种组合设计在过程变量的不同水平组合下,使用的是相同的设计阵,因此空间填充性较差.基于混料球体堆积设计,文章提出了一类新的混料设计,称之为混料切片设计,它的整体设计和所有子设计(过程变量的每一水平组合对应的混料设计)都具有很好的空间填充性,从而比组合设计有更好的模型稳健性.基于同余子群的陪集分解方法,针对过程变量水平组合数的不同情况提出了相应的简单快速的构造算法,文章最后的数值例子解释了算法的可行性和设计的有效性.