简介：在平均数相同的情况下，方差较小的较为整齐。

简介：文章区分了控制网中的两类不同性质的数据，通过控制网中的观测数据和基准数据分别建立了误差方程和基准方程，从而建立了概括平差模型。应用数理统计计算了方差的区间估计和基准方程的假设检验，最后应用于附合网基准数据选用的判断，得出了有益的结论。

简介：为了提高GM(1,1)模型的预测精度,对GM(1,1)模型进行预测,得到残差序列,然后用残差序列建模对原模型进行修正,得到GM(1,1)的残差修正模型,将其应用到扬压力的预测中,结果表明模型精度大大提高.

简介：本文用样条函数对灰色Verhulst模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解，提高了拟合的精确度。

简介：

简介：本文用样条函数对GM(1，1)模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解．

简介：一、精心选一选1．一组数据一1，0，3，5，z的极差是7．那么x的值可能有（）．

简介：　　除了反映数据平均水平的几个量外,反映数据稳定程度的三个量--校差、方差、标准差也是我们分析数据、进行决策时常常关注的重点.要想在不同情境中合理选择应用,必须对它们的概念、特征、计算方法有深入的理解.……

简介：　　除了反映数据平均水平的几个量外,反映数据稳定程度的三个量--校差、方差、标准差也是我们分析数据、进行决策时常常关注的重点.要想在不同情境中合理选择应用,必须对它们的概念、特征、计算方法有深入的理解.……

简介：方差公式在解数学题中有着极其广泛的应用，然而由于统计初步内容列入中学阶段的时间不长，因而用方差公式解数学题的资料很少，于是造成了一种错觉，好像学习方差公式仅仅是为了统计计算，别无他用．实则不然，下面笔者将方差公式在解方程组中的应用举例如下，以供参考．

简介：

简介：探讨了基于结构受力响应敏感点的应变残差的装配式简支梁桥有限元模型修正技术。由灵敏度分析确定结构优化变量,通过敏感点有限元计算应变与实测应变获得应变残差即应变比能残差总和,并表示成优化变量的函数,以残差为零为优化逼近目标,结合零阶及一阶优化方法进行模型修正计算。以一座5片箱梁组成的装配式简支梁桥为研究对象,将实桥应变测试值与优化后值进行对比,证明该方法在保证分析效率的同时,可获得较真实的结构状态,可为结构加固、改造提供依据。

简介：本文综合近邻权函数法及最小二乘法，用两阶段最小二乘估计的方法得到了半参数EV模型中参数的估计量及其强相合性，渐近正态性。同时也得到了非参数函数的估计量及其强相合性，一致强相合性。

简介：摘要本文基于经典的残差网络结构，提出一种改进后的残差模块。该结构可以在不增加网络深度的前提下，提取更多的样本特征，从而提升网络性能。以MNIST手写字体库为训练集，使用tensorflow做为机器学习库，在GPU上训练模型。实验结果表明，改进后的残差模块可以更好的提出网络特征，从而提高预测的准确度。

简介：本文研究了混合整数线性模型方差分量在无信息先验分布和有信息先验分布下Bayes估计，给出了混合整数线性模型方差分量无信息和：有信息先验分布下的极大后验估计和最佳Bayes估计。

简介：为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(ResNet)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与ResNet特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。

简介：摘要目的研究和搭建人工智能深度学习网络，在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型，实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合，对提出的模型进行训练和性能评估，优化网络超参数，提高分类准确率。结果在352张MRI图像上测试模型，仅使用多尺度输入模块时，得到平均分类准确率为96.59%。添加下采样模块后，准确率达到98.58%。对比最大池化、均值池化和双通道池化，准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果，对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法，但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法，且该网络提高了MRI脑肿瘤分类的准确率，很好地解决了梯度消失问题，提升了模型的泛化能力。

简介：通过对国内外关于股价异动相关文献的梳理，发现以往研究成果中对股价异动的判定方法较为繁琐。残差系数法是“事件研究法”和“股价反应程度分析法”的创新结合，它主要应用于判断重大并购事件首次公告之前股价异常波动。实际应用表明，残差系数法简捷、实用。

简介：利用Markowitz的均值-方差模型,可以构建有效的社保基金投资组合,在收益率确定的情况下使得风险最小,并根据各类资产的期望收益-波动比率来确定其最优资产配置.

简介：认知诊断模型中,项目参数的方差-协方差矩阵具有很重要的作用。作为一种非参数化的方差-协方差矩阵估计方法,Bootstrap法的一个主要优势在于它不需要解析推导。比较认知诊断模型中基于解析法的经验交叉相乘信息矩阵、观察信息矩阵和三明治协方差矩阵法,与Bootstrap法在估计项目参数标准误时的表现,模拟结果显示,认知诊断模型及Q矩阵正确设定或是模型中错误设定较少时,解析法的表现优于Bootstrap法,只有在样本量N=5000的条件下,Bootstrap法的表现才基本与解析法接近;当模型中错误设定较多时,Bootstrap法也没有表现出明显的稳健性。因此,在认知诊断模型中,推荐使用基于解析法的方差-协方差矩阵估计方法,尤其是三明治协方差矩阵法;当没有现成的基于解析法的方差-协方差矩阵估计方法可用时,Bootstrap法可以作为一种粗略的估计方法使用,尤其是在样本量较小的情况下。