Relabelling algorithms for mixture models with applications for large data sets

Mixture models are flexible tools in density estimation and classification problems. Bayesian estimation of such models typically relies on sampling from the posterior distribution using Markov chain Monte Carlo. Label switching arises because the posterior is invariant to permutations of the component parameters. Methods for dealing with label switching have been studied fairly extensively in the literature, with the most popular approaches being those based on loss functions. However, many of these algorithms turn out to be too slow in practice, and can be infeasible as the size and/or dimension of the data grow. We propose a new, computationally efficient algorithm based on a loss function interpretation, and show that it can scale up well in large data set scenarios. Then, we review earlier solutions which can scale up well for large data set, and compare their performances on simulated and real data sets. We conclude with some discussions and recommendations of all the methods studied.     

Efficiency Bounds for Missing Data Models With Semiparametric Restrictions

This paper shows that the semiparametric efficiency bound for a parameter identified by an unconditional moment restriction with data missing at random (MAR) coincides with that of a particular augmented moment condition problem. The augmented system consists of the inverse probability weighted (IPW) original moment restriction and an additional conditional moment restriction which exhausts all other implications of the MAR assumption. The paper also investigates the value of additional semiparametric restrictions on the conditional expectation function (CEF) of the original moment function given always observed covariates. In the program evaluation context, for example, such restrictions are implied by semiparametric models for the potential outcome CEFs given baseline covariates. The efficiency bound associated with this model is shown to also coincide with that of a particular moment condition problem. Some implications of these results for estimation are briefly discussed.     

某型飞机发动机油封装置的研制

飞机发动机油封是发动机在贮藏和运输时防止其零件发生锈蚀的主要装置.本文介绍某型飞机发动机油封装置的研制,使用结果表明:该油封装置操作简便,全封闭无污染,各项指标均达到航空发动机地面维护规程规范,保证了发动机在封存期间的完好性,具有明显的社会经济效益.     

语篇构建中的谓词转喻

为有效、合理地解读隐喻,采用事态场境理论对谓词转喻做了初步探讨,并将谓词转喻分为"潜在性代替现实性"及"一般代替具体"两类。谓词转喻作为一种语用转喻构成了语篇中的语用推理图式,其转喻关系的力度直接影响会话双方的语用推理和语境之间的相互作用。     

采用单测量源的拓扑推断算法

为了减少拓扑推断中需要时钟同步和节点间合作的限制,提出了一种仅需要单个测量源并且不需要时钟同步的运输车测量方法,该方法可以测量目的地址共享链路的排队时延。设计了根据排队时延推断拓扑结构的算法。理论证明了基于运输车测量方法和排队时延推断网络拓扑的可行性和正确性,并通过NS2进行了仿真,仿真结果表明基于运输车测量方法和排队时延能够准确的推断网络拓扑结构。     

宽式推论的认知阐释

在交际过程中,动态的认知语境会使听话人不断调整自己的假设已获得最佳关联的信息,即宽式推论可随语境的动态变化而消失。本文将以行使评价言语行为的存在动词,评价性名词及形容词为例讨论某些特定的词汇是否构成听话人产生宽式推论的原由。     

从关联理论看《英雄》字幕翻译中译者的主体性

以电影《英雄》的字幕英译为例,拟从关联理论的角度出发,探讨译者的主体性。关联理论视翻译为一种涉及人的大脑机制推理的语内或语际间的明示-推理阐释活动,认为译者作为原文作者与译文读者之间的协调人,要推断原文作者的交际意图、译文读者的认知语境及阅读期待,选择合适的翻译策略,充分发挥自己的主观能动性,促使原文作者与译文读者之间成功地完成交际。     

译者主体性的关联认知考量与重构——基于RT的建构主义视角

关联理论（RT）为译者主体性研究提供了一个崭新的视角,并为“翻译的认知取向研究”开辟了道路。RT关照下的译者主体性具有“多元”认知变际和“有限理性”的建构主义本质;译者主体性的“度”是由译者认知成本与语境效果来确定的。基于关联认知范式并且通过分析和借鉴国内外现有译者主体性的认知模式,提出了“双重认知体验-推理交际模式”。此模式具有自主性、交往性、体验性、动态性等特征,这些区别性特征不仅使之有别于其他同类模式,而且使之具备较强的心理现实性。     

从认知语用推理视阈管窥广告英语翻译

随着经济全球化的发展,广告翻译在国际交流中的作用显得越来越重要。文章从关联理论的认知语用推理视角出发,结合熊学亮的单项语境推导模式解读广告英语翻译,从而为广告英语翻译实践提供了理论依据。     

英语专业新生在项目学习中角色转变的实证研究

项目学习是一种以学生为主体的教学模式,在英语专业新生中实施项目学习,首先面临的挑战便是在项目学习中的角色转变。依据教育心理学的行为矫正理论、项目学习理论和当代评价理论,构建了项目学习中的行为干预模式,旨在帮助新生从独立与竞争型的学习者转变为自主与合作型的学习者。运用该行为干预模式对英语专业新生进行实证研究的结果表明：项目学习中的行为干预模式有助于促进学生在项目学习中的角色转变,有助于发挥学生学习的合作性与自主性。