Conditional Likelihood Estimators for Hidden Markov Models and Stochastic Volatility Models

ABSTRACT.  This paper develops a new contrast process for parametric inference of general hidden Markov models, when the hidden chain has a non-compact state space. This contrast is based on the conditional likelihood approach, often used for ARCH-type models. We prove the strong consistency of the conditional likelihood estimators under appropriate conditions. The method is applied to the Kalman filter (for which this contrast and the exact likelihood lead to asymptotically equivalent estimators) and to the discretely observed stochastic volatility models.     

一类非线性混合整规划的无约束连续化解法

将整系数多项式 0 - 1混合整规划问题化成无约束多项式规划问题。通过解该问题 ,能得到原问题的近似解。处理方法的特点是能够直接处理不等式约束情形 ,而不需要先将不等式约束化成等式约束再来处理     

Improved Monte Carlo inference for models with additive error

Some statistical models defined in terms of a generating stochastic mechanism have intractable distribution theory, which renders parameter estimation difficult. However, a Monte Carlo estimate of the log-likelihood surface for such a model can be obtained via computation of nonparametric density estimates from simulated realizations of the model. Unfortunately, the bias inherent in density estimation can cause bias in the resulting log-likelihood estimate that alters the location of its maximizer. In this paper a methodology for radically reducing this bias is developed for models with an additive error component. An illustrative example involving a stochastic model of molecular fragmentation and measurement is given.     

A Numerical Solution to the Nonhomogeneous Two-Stage MVK Model of Cancer

In this article, we describe a straightforward method for solving the probability of at least one malignant cell by time t, and the associated hazard function, in the general (i.e., nonhomogeneous) two-stage Moolgavkar-Venzon-Knudson (MVK) model of cancer. The method consists of solving four coupled ordinary differential equations derived from the Kolmogorov backward equations for this process. The relationship of this method to previously proposed solutions is discussed.     

城市土地集约利用的内涵及对策研究

本文经过分析,从不同方面对城市土地集约利用进行了解释,尝试性地给出了城市土地集约利用的内涵.同时,在理解城市土地集约利用内涵的基础上,对土地集约利用的政策进行了分析,提出了一些解决实际问题的措施.     

合作处理中的团队透明性

对合作处理中的一些基本概念给出了明确的定义，并提出了一个有用的合作团队的模型。模型中的团队代理是实现透明性的依托，在此对其特性、行为及其构造作了描述。把合作团队的透明性分解为环境透明和编程透明，并给出两种进明性在ＯＳＥｗａｒｅ中的实现方法。     

基于二阶段随机规划的城市医疗废弃物回收网络设计

城市医疗废弃物日益增加,且回收需求量受诸多因素的影响,难以准确预测,假定回收需求为确定值的医疗废弃物网络优化设计不能与实际需求相匹配。本文考虑了离散随机参数环境下,医疗回收网络设计中选址规划、分配计划及运输规划的协同优化问题,建立了以选址成本、运输成本最小为目标,设施与车辆能力限制为约束的二阶段随机规划模型。根据模型特点,设计了基于Benders decomposition的求解算法,同时,设计了一系列加速技术用于提高算法的求解效率。最后,以国内某城市医疗回收网络为背景设计算例,检验本文模型和求解策略的可行性和有效性。结果表明：相比确定性规划,随机规划的解能够节约总成本,结合一系列加速技术的Benders decomposition方法比CPLEX与纯的Benders decomposition更有优势。     

国内外学前儿童计算思维研究述评

人工智能时代,计算思维已成为21世纪个体的必备素养。近年来,人们开始逐渐意识到从儿童早期培养计算思维的重要性,从小开始培养儿童的计算思维已成为世界各国的共识。然而,当前尚未对学前儿童计算思维的研究进行全面系统地梳理。因此,本研究结合文献计量法与内容分析法,对来自国内外核心数据库中的30篇实证研究进行了系统梳理,以此全面地了解国内外学前儿童计算思维培养的研究现状与发展趋势。与此同时,立足现状提出了对策与展望。     

用线性互补及二次规划理论分析市场均衡问题

本文讨论了一类完全竞争条件下的市场均衡问题,供给方的生产特征用线性规划模型进行刻划,市场需求函数源于一般经济意义下的模型,它是一系列相互独立的价格变量的函数．我们将此问题归结为线性互补问题,并依此讨论了均衡点的存在性．本文还讨论了一种用二次规划进行刻划的经济问题,并指出此二次规划的K－K－T条件等价于所讨论的线性互补问题．     

动态联盟中伙伴选择问题的区间规划模型及其求解

伙伴选择和风险管理是动态联盟中的重要决策问题,当考虑失败风险时,失败概率无法给出精确值,因此,考虑采用不确定性规划描述此类问题.提出动态联盟中伙伴选择问题的区间规划模型,模型中用区间数表示联盟伙伴的失败概率.为了求解该模型,引入序关系,并利用Nakahara和Ishibuchi的定理,将区间规划模型转化为等价的清晰双目标模型.设计带自适应适值函数的遗传算法,求出问题的全部非劣解.经过对多个问题的仿真,证明了算法的有效性.