非对称损失函数的质量特性值优化选择

质量特性目标值的选定是一个重要的命题,它是影响质量成本的一个重要因素。由顾客定义的特性目标值并不一定能使得总体的质量损失最小化。针对此问题,讨论了非对称的质量损失函数,在此基础上构造出质量特性目标值的优选模型,得到最优目标值。在模型的应用中表明:质量损失系数不变、质量特性左偏比右偏更有害的情况下,质量特性最优值与期望总损失随分布标准差的增大而增大;分布标准差不变的情况下,质量特性最优值与期望总损失相对质量损失系数具有一定的稳健性。

NA样本下非对称损失函数截尾参数的经验Bayes检验

研究了负相关(NA)样本下具有非对称损失函数单边截尾参数的经验Bayes检验.其损失函数为L(θ,0θ)=k1(θ-0θ)2I(θ<θ0)+[k1(θ-0θ)2+k2(θ-0θ)]I(θ≥θ0),ki≥0,i=1,2.应用概率密度函数的核估计来构造检验函数,得到了它的收敛速率具有渐近最优性.并发现对所提出的EB检验,在某些条件下,具有渐近最优性的收敛速率,能够任意接近于1.

基于非对称损失函数的参数设计

本文针对望目特性的正态指标,在非对称的二次质量损失函数下,讨论了参数设计的可行性, 证明田口方法的稳健性设计和灵敏度设计依然行之有效.定义了调整参数,求出了使质量损失最小的数值解,并给出了参数设计的具体步骤.

非对称损失函数正态分布总体的参数设计

文章在损失为非对称的情况下,讨论了参数设计的可行性,证明了田口方法的稳健设计和灵敏度设计依然有效,给出了参数设计的方法与具体步骤。

基于非对称损失函数的过程均值与标准差优化设计

质量特性的过程均值与过程标准差的选定是一个重要的命题,它们是影响质量成本的重要因素.由顾客定义的特性目标均值以及初始标准差往往并不一定能使得总体的质量损失最小化。针对此问题,本文首先讨论了非对称的质量损失函数,并在此基础上构造出质量特性目标均值与标准差的优选模型,进而得到最优目标过程均值与标准差。在模型的应用中表明:其他情况不变的情况下,质量特性最优均值与最优标准差对质量损失系数具有一定的稳健性。

基于非对称损失函数指数分布总体的参数设计

田口玄一的参数设计思想只是针对对称的损失函数所做,有一定的局限性.讨论了非对称的损失函数,定义了损失系数比,并在指标服从指数分布的情形下定义了调整参数,并指出了调整参数在参数设计中的特殊位置和重要特性,给出了参数设计的方法和步骤.

基于非对称质量损失函数的分段参数设计

在产品的制造过程中,由于受到随机因素和系统因素等多种因素的影响,产品的质量特性不可能全部保持在目标值上,而是围绕目标值上下波动。偏离目标值就会产生质量损失,通常情况下,质量损失函数是围绕目标值的对称函数。但在实际中,存在非对称现象,此时利用对称质量损失函数进行参数设计的方法已经不合适。在非对称的情况下对质量损失函数及其质量参数进行设计,将非对称质量损失函数分为两段,每一段分别构造不同的对称损失函数,然后分别计算两端的质量损失,两者之和即为总损失。在此基础上,以质量损失最小化为目标,进行质量函数的稳健性和灵敏性设计。最后,通过实证案例进行可行性验证。

基于非对称质量损失模型的函数机构稳健设计

为解决产品的质量特性偏离理想值所带来的非对称质量损失问题,提出一种非对称质量损失模型。应用截尾正态分布理论,推导出非对称质量损失的均值计算公式,以曲柄滑块机构为例,建立对称与非对称2种稳健优化模型。与对称质量损失函数相比,基于非对称质量损失函数的优化结果能够有效避开质量损失大的方向,从而有效减小质量损失。蒙特卡洛仿真实验验证了该方法的有效性。

非对称损失下的预测区间

本文在回顾经典的点预测理论和区间预测理论的基础上给出了求最优预测区间的准则,该准则不仅考虑了预测区间的可信程度,而且将损失函数纳入进了求预测区间的框架.在该框架下,研究了损失函数满足某些特定条件时的预测区间,结果发现与经典预测理论中的等尾取法和对称取法得到的预测区间是一致的.

非对称损失下单边截断分布族参数的经验Bayes检验及其收敛速度

在一种非对称损失下,构造了一类单边截断型分布族参数的经验Bayes检验,建立其收敛速度,在一定条件下证明了它的收敛速度可以任意接近于1/2。最后给出满足定理条件的一个例子。

非对称损失下威布尔分布总体的参数设计

田口玄一的参数设计思想只是针对对称的二次损失函数所做,有一定的局限性。讨论了非对称的二次损失函数,定义了损失系数比。说明了在非对称的二次损失函数下,也可以采用田口玄一减小质量损失的思想:先进行稳健性设计减小波动,再进行灵敏度设计减小偏差。并在指标服从威布尔分布的情形下定义了调整参数,给出了参数设计的方法和步骤。指出了调整参数在参数设计中的特殊位置和重要特性,列出了部分最优调整参数的值。

非对称二次损失下位置参数的贝叶斯估计

文章利用仿射变换的思想方法解决了在非对称二次损失函数下求参数的贝叶斯估计问题,并以正态分布为例,说明了求贝叶斯估计的过程。该方法不仅适用于包括正态分布在内的任一分布,而且简单可行。

基于非对称二次损失的参数设计

文章研究了非对称二次损失函数下的参数设计问题。证明了对于任意分布而言,在非对称二次损失函数下,重数应设计为目标值减去标准差乘以调整系数。此外,文章还以正态分布为例,介绍了在非对称二次损失函数下进行参数设计的步骤。

对数伽玛分布尺度参数的Bayes估计在LINEX与复合LINEX损失函数下的比较

在LINEX损失函数与复合LINEX损失函数下,研究对数伽玛分布尺度参数θ的Bayes估计、E-Bayes估计和多层Bayes估计.给出先验分布为伽玛分布和Jeffreys先验分布时的Bayes估计,进而给出先验分布为伽玛分布时的E-Bayes估计和多层贝叶斯估计.通过数据模拟检验参数的Bayes估计和E-Bayes估计的合理性及优良性,并且发现一些数据表中存在一定的规律.

熵平衡损失下的信度保费

通过引入具有非对称性的平衡损失函数,给出在该损失函数下的信度保费和最优信度保费及信度因子的非参数估计,并通过随机模拟验证了所给方法的可行性.结果表明,这种新的非对称损失函数比对称损失函数能更好地衡量风险,更公平地索取保费.

可形变Transformer辅助的胸部X光影像疾病诊断模型

针对胸部X光影像中的灰雾现象、病变区域重叠等问题,提出可形变Transformer辅助的胸部X光影像疾病诊断模型.将扩展后的ResNet50作为特征提取网络,添加压缩型双注意力模块,增强病变区域与非病变区域之间的特征差异,降低冗余信息的干扰,提高图像数据的特征提取效果;通过可形变Transformer解码器内部的交叉注意力模块,引入类别表征作为先验知识,引导影像特征进一步融合,提高不同疾病在影像区域重叠情况下的特征区分度;将解码器的输出传入分类器中以获得最终的诊断结果.压缩型双注意力模块和可形变Transformer均起到降低模型计算复杂度的作用,引入非对称损失函数可以更好地解决正负样本不均衡.利用所提模型在公开数据集ChestX-Ray14和CheXpert上进行多组实验,在2个数据集上的受试者操作的特征曲线下面积值(AUC)分别达到0.8398和0.9061,表明该模型在胸部X光影像的疾病诊断方面具有正确性和有效性.

非对称绝对线性损失下正态总体的参数设计

田口玄一提出了很多损失函数,其中二次损失是应用最为广泛的一种。当实际损失函数不是二次损失函数而使用二次损失时,就会引起参数设计的不正确。在某些情况下,线性损失函数更适合工业应用。本文在非对称的线性损失下,讨论了参数设计的可行性,证明田口先生方法的稳健性设计和灵敏度设计依然行之有效。结果表明性能指标平均值必须稍微偏离目标值,才能使平均损失达到最小。

我国非线性货币政策规则研究

本文由中央银行非对称通货膨胀和产出缺口偏好的福利损失函数最优化推导出潜在非线性的最优货币政策规则,并将中央银行政策行为非对称性的原因归结为中央银行非对称偏好。同时本文实证估计我国货币政策规则,并检验货币政策规则非对称偏好存在性假说,结果表明,我国中央银行存在非对称通货膨胀平方和产出缺口偏好,对应地,货币政策规则呈现非线性特征,利率不仅对通货膨胀和产出缺口产生反应,而且也对通货膨胀平方和产出缺口平方产生反应。

类别不平衡的通信基站空调故障诊断

为提高通信基站空调故障诊断的准确率,特别是小类样本故障的识别率,本文针对类别不平衡的数据集提出一种单隐层前馈多标签分类算法SLF-CIB.首先在特征空间的低秩假设上构建单隐层前馈神经网络.其次,在最小化误差损失阶段引入非对称阶式损失函数替代平方误差损失函数,通过截断参数和边界参数动态改善类别不平衡问题.根据SLF-CIB模型在训练过程的每一轮迭代的凸特性,应用交替方向乘子方法进行优化.测试过程中多标签输出层可提供故障源偏序向量为软故障的早期排查提供多维度的参考.在UCI标准数据集和通信基站空调数据集上的实验表明,SLF-CIB算法有效地提高了故障诊断精度特别是少数类的识别率.

变参数贝叶斯先验估计

研究了在非对称损失函数下独立随机变量序列的变化点的贝叶斯先验估计,以及在平方损失函数下变化点的贝叶斯先验估计和二者的比较,最终使在平方损失函数下得到的参数值较小。