基于神经元网络的条件分位数估计的收敛速度
张建同
【期刊名称】《应用概率统计》 【年(卷),期】2004(020)001
【摘要】In this paper, we give the mean square convergence rates of conditional quantile estimators based on single hidden layer feed forward networks. Our results are formulated both for independent identically distributed (i.i.d.) random variables and for stationary mixing processes (α-mixing andβ-mixing). It turns out that the rates are the same as those for regression using neural networks. We use the same techniques as in Zhang (1998).%本文我们给出了基于神经元网络的随机过程的条件分位数的均方收敛速度.无论是在独立同分布情况下还是在平稳混合(α-混合β-混合)的情况下,我们都给出了相应的结果.结果与基于神经元网络的回归估计的收敛速度相同.采用的技术同zhang(1998)一致. 【总页数】10页(37-46)
【关键词】条件分位数估计;混合过程;神经元网络;收敛速度 【作者】张建同
【作者单位】同济大学经济与管理学院,上海,200092 【正文语种】中文 【中图分类】O212.7 【相关文献】
1.相依样本条件t-分位数核估计的强收敛速度 [J], 安军; 袁德美
2.基于离散过程神经元网络的蓄电池SOC估计方法 [C], 魏巍; 马晓军; 袁东 3.基于参数估计和人工神经元网络的永磁直流电动机故障检测与诊断 [J], 刘向群; 杨静; 刘军; 魏振忠
4.基于参数估计和人工神经元网络的永磁直流电动机故障检测与诊断 [C], 张洪钺; 刘向群; 杨静; 刘军
5.基于相关向量机的小世界神经元网络拓扑估计 [J], 郝崇清; 王江; 邓斌; 魏熙乐
以上内容为文献基本信息，获取文献全文请下载
基于神经元网络的条件分位数估计的收敛速度
