Toulmin推断模型在考试效度论证中的应用

Stephen E.Toulmin是20世纪下半叶最有影响的哲学家之一。他创立的实用推断模型已被应用于众多领域,包括教育和心理测量。在介绍Toulmin推断模型的基础上,本文着重阐释了基于推断的效度论证及Toulmin模型在效度论证中的应用(以新托福的效度论证为范例)。最后,为推动相关工作在我国的开展,文章提出了3点建议:(1)重视考试的效度论证;(2)积极尝试运用Toulmin模型开展考试效度研究;(3)以效度论证推动考试改革。

基于局部变分贝叶斯推断的分布式交互式多模型估计

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.

基于Fiducial推断的Kriging模型选择

计算机试验异军突起,并因其经济性而越来越普遍地取代物理实验。Kriging模型作为计算机试验的元模型之一,因其使用简单、灵活被广泛地应用于各大领域。本文给出了基于Fiducial推断的Kriging模型选择方法,并与Lasso和Elastic Net惩罚下的选择方法相比较。数值模拟和实例分析表明Elastic Net惩罚下的选择方法优于Lasso,基于Fiducial推断的模型选择方法相较于Lasso和Elastic Net具有更高的拟合准确性和预测精度。

基于条件变分推断与内省对抗学习的多样化图像描述生成

现有多样化图像描述生成方法受到隐空间表示能力和评价指标制约,很难同时兼顾描述生成的多样性和准确性.为此,本文提出了一种新的多样化图像描述生成模型,该模型由一个条件变分推断编码器和一个生成器组成.编码器利用全局注意力学习每个单词的隐向量空间,以提升模型对描述多样化的建模能力.生成器根据给定图像和序列隐向量生成多样化的描述语句.同时,引入内省对抗学习的思想,条件变分推断编码器同时作为鉴别器来区分真实描述和生成的描述,赋予模型自我评价生成的描述语句的能力,克服预定义评价指标的局限性.在MSCOCO数据集上的实验表明,与传统方法相比,在随机生成100个描述语句时,多样性指标mBLEU(mutual overlap-BiLingual Evaluation Understudy)提升了1.9%,同时准确性指标CIDEr(Consensus-based Image Description Evaluation)显著提升了7.5%.与典型多模态大模型相比,所提出方法在较小参数量的条件下更适用于生成多样化的陈述性描述语句.

基于银行间同业拆放利率的长记忆随机利率模型研究

研究表明利率序列具有长记忆性,故本文使用分数布朗运动代替经典CIR模型中的几何布朗运动,构建分数CIR模型,并通过欧拉离散对分数CIR过程进行路径模拟。由于分数布朗运动的非马尔可夫性和增量不独立,无法使用极大似然估计和马尔可夫链蒙特卡洛方法对分数CIR模型进行参数估计,故本文引入间接推断估计法,并通过蒙特卡洛模拟证明该方法的可行性。本文使用间接推断估计法对我国银行间同业拆放利率数据进行实证分析及样本外预测,将经典CIR模型、分数O-U过程、分数CIR模型的拟合轨道与真实轨道进行分析对比,得出分数CIR模型更适用于描述具有长记忆性的利率序列。本文重点研究一种用于分数CIR模型的参数估计方法,未来将继续探究其他参数估计方法并对比这些方法的有效性和稳健性。

基于特征蒸馏的变分编码器交通流预测模型

针对交通流数据高维非线性和时空依赖性复杂,本文构建了基于特征蒸馏的变分贝叶斯编码器交通流预测模型.对每段时间序列对应的时间窗口特征,构建了基于多模态时间槽和空间槽的交通流特征提取模型.以时空槽特征提取模型作为特征知识蒸馏架构的输入.通过知识蒸馏结构提取的时空特征结晶体,利用教师模型指导学生模型的学习过程,从而提高学生模型的泛化能力.变分贝叶斯编码器对交通流时空特征结晶编码获取交通流数据的隐变量,根据隐变量的生成采样,利用解码器将其解码重构成新的预测值.实验结果表明,本文提出的模型预测性能显著提升,且中长期预测中鲁棒性更优.

基于力学机理的贝叶斯动态线性岩质边坡变形预测模型研究

考虑岩质边坡变形的力学机理,将边坡变形分解为弹塑性损伤变形、粘弹性变形、周期波动及观测误差等分量,以Bayesian动态线性模型理论为基础,建立了基于力学机理的边坡变形动态演化预测模型。模型以边坡岩体力学参数为系统控制变量,应用Bayesian推断,通过观测数据及相关信息,估计其动态演化规律,并以此预测边坡变形。通过对某水电站边坡位移监测数据分析表明:监测点处边坡变形主要为弹塑性损伤蠕变,监测初期,岩体迅速损伤,变形15天后进入加速蠕变阶段,与现场巡查结果一致。

基于大模型实现因果推断的探讨

大模型是利用海量数据形成庞大参数量的机器学习模型,而因果推断是推断和理解事件、变量或行为之间的因果关系。从大模型与因果推断相互结合的可能性和难点、大模型预训练、因果模型的人类反馈学习过程和微调技术等方面进行探讨,论述了大模型具有发现潜在因果关系的机制和因果关系预测及解释的潜力。此外,归纳了部分大模型开源工具,可用于快速实现大模型训练、验证和部署。

g-computation联合混合效应模型控制纵向研究未测混杂因素的因果推断方法

近年来,纵向研究在真实世界研究中逐渐受到人们的关注,其是对参与者进行纵向、长期的随访观察而不施加人为干预措施的一种研究方法。与随机对照试验相比,纵向研究节省人力、物力,易于实施^([1])。由于纵向研究无随机化分组,暴露因素的因果效应易受到以下因素的影响:(1)时变暴露因素;(2)时变混杂因素;(3)缺失数据和失访;(4)未测混杂因素(unmeasured confounders)^([2])。

病例对照二分类数据下逻辑回归模型的稳健半监督推断

本文基于半监督推断方法,研究了标记数据来自病例对照抽样而逻辑回归模型不正确时相关目标参数的估计问题.在二分类任务中,常用病例对照抽样解决数据结构不平衡的问题,常用逻辑回归模型作为统计模型.但在现实应用中,模型假设往往是错误的.若逻辑回归模型错误,仅利用病例对照抽样获得的标记数据无法对病例比例进行识别进而无法对目标参数,即使得总体风险达到最小值的参数进行估计.本文借助于半监督推断方法,首先利用标记数据和无标记数据得到病例比例的无偏估计,然后基于该估计,构造逆概率加权的损失函数来纠正病例对照数据中的抽样偏差.本文证明了求解以上的损失函数得到的解是关于目标参数的相合且渐近正态的估计,并且其极限分布的方差也可以通过观察到的数据进行一致地估计.同时,模拟研究的结果表明论文提出的方法能对目标参数给出相合的估计.

倾斜打击角度推断模型的建立

利用自制打击痕迹样本制作仪制作55.0°~87.5°锤击痕迹样本,使用三维表面测量仪采集痕迹之后,对与打击角度相关性较强的特征进行了测量,基于回归分析的方法求取了由痕迹特征推断打击角度的数学模型。特征角与打击角度具有y=0.8855x+103.42的线性关系,并且利用该模型推断的结果与实际角度的偏差最大不超过2.20%,具有可靠性。深度组与宽度组模型所参考的特征受到打击速度变化的影响较大,因此模型的准确性相对较低,平均偏差分别在9.24%和7.03%左右。

机器学习在因果推断中的应用

机器学习算法是挖掘数据间隐藏关系的重要手段,因果推断则是证实关联关系是否存在因果关系的重要技术。随着大数据时代的到来,两者的结合越来越密切。本文主要对近年有关机器学习与因果推断的研究进行梳理,分别从机器学习与因果推断概念、两者关系以及机器学习在因果推断中的应用等方面展开论述,并对当前研究面临的困难以及发展方向提出展望。

模型假设对基于模型的森林蓄积量估算的影响

【目的】1)评估模型的线性和非线性形式、模型残差假设对推断不确定性的效应;2)比较2种总体均值的方差估计方法(自助法和解析法);3)评估多种因素对推断不确定性的效应,构建基于遥感模型的统计推断经验法则用于指导实践。【方法】应用基于模型的统计推断方法,以森林蓄积量估算为例,基于非洲稀树草原的薪材材积实测样地数据和Landsat 8遥感辅助数据,使用二阶抽样从总体中选择160块样地形成样本,在不同模型假设下进行总体参数推断,量化分析参数模型假设对估计量不确定性的效应,并辅以置信椭圆等诊断方法确保分析的有效性。【结果】1)不同模型假设下的总体均值估计值μmb为7.159~7.331 m^(3)·hm^(-2),解析方差估计值Var(μmb)为0.147~0.221,抽样精度为93.59%~96.64%,总体均值的经验方差估计值Var(μmb)为0.143~0.237。模型假设会影响模型参数估计,进而影响推断精度Var(μmb)。自助法是检验总体参数解析估计量无偏性的有效方法。2)基于设计的统计推断方法得出的总体均值估计值μdb为6.774 m^(3)·hm^(-2),其方差估计值Var(μdb)为0.965,抽样精度为85.50%。既定条件下,相比基于设计的统计推断,基于模型的统计推断能够有效将推断精度提升77.10%~84.77%,对抽样精度的提升为9.46%~13.03%。【结论】基于模型的统计推断在小样本推断中具有更高的推断精度和抽样精度,有助于实现高精度、低样本量、短周期的森林资源调查目标,但建模过程中的不确定性会影响推断精度,其中残差变异性对推断不确定性的影响最大。忽略方差异性和空间自相关效应在同方差假设下进行总体参数推断,会低估Var(μmb),在考虑方差异性的同时应进一步检验空间自相关性并使用相应的权函数和自相关函数模拟残差变异性。

基于耦合推断的时间外延性辅助数据偏倚修正——以森林蓄积量估计为例

【目的】1)量化“过期”模型对推断总体参数(总体均值、方差)的影响;2)提出利用基于模型辅助的估计量修正模型保质期引起的推断偏倚;3)评估度量误差模型对推断偏倚的修正作用。【方法】在基于设计、基于模型和基于模型辅助3种推断框架下,应用度量误差模型,修正“过期”模型对总体参数(总体均值、方差)的影响。【结果】1)将二阶抽样的估计值作为参照,对比基于模型的统计推断估计值,无论是线性回归模型还是度量误差模型,其均值估计值与二阶抽样下总体均值估计值6.774 m^(3)·hm^(−2)接近,其方差估计值的平均值为0.117,远小于基于设计的方差估计值0.965,精度提升平均为87.93%;2)遥感数据“过期”引起模型失效,对总体均值估计产生较大偏差,总体均值估计值的偏移程度随着遥感数据获取时间的推移加剧;3)在基于模型辅助推断框架下,线性回归模型和度量误差模型的总体均值估计值均在6.5~6.8波动,波动范围较小,变化趋势相同,二者均值估计值差异较小,后者推断精度更高,精度提升范围为5.71%~22.50%,平均为13.34%。【结论】1)遥感数据作为辅助信息可有效提高估计精度;2)当遥感数据“过期”时模型失效,总体均值估计值偏倚增大,方差估计值被低估;3)基于模型辅助的统计推断可解决模型“过期”造成的推断偏倚问题,保持估计量近似无偏性,且精度与概率样本的样本量呈正相关;4)度量误差模型可降低总体方差估计值,但仅使用度量误差模型无法消除时间外延性遥感数据产生的推断偏倚。

贝叶斯推断法标定核燃料裂变气体释放模型

针对模型参数不确定性影响裂变气体释放(FGR)机理模型预测精度的问题,构建了一套贝叶斯标定方法。利用FGR实验测量数据标定晶内气体扩散系数等模型参数并推断其后验概率分布,采用Kriging模型和主成分分析法提高贝叶斯推断效率。分析结果表明,标定后模型FGR计算结果的准确性显著提高,总体均方根误差降低约70%;5个模型参数后验分布标准差相比先验分布均有所减小,进而降低了FGR预测值的不确定度。

基于陌生反应机理的有机化学推断题解法模型建构

有机化学推断题一直以来都是高考的重、难点,近年来,有机化学命题非常重视信息的解读与应用.基于证据推理素养要求,学生需要在面临“陌生反应机理”时快速理解、正确应用、迁移转化.学生应建立陌生有机反应机理的解读与应用模型,通过对高频信息的分析、应用与训练,提高解决有机化学推断题“盲点”的能力.

固定效应部分线性单指标空间自回归面板模型的二次推断函数估计

从模型结构的特点着手,获得了一些不依赖于工具变量的矩条件.将这些矩条件与二次推断函数法(QIF)和最小二乘虚拟变量法(LSDV)结合,为模型构建了一种新的估计方法.该方法的优点是考虑了空间内生性的同时,还将个体内的相关结构包含其中.进一步,在一些正则条件下,研究了模型估计量的大样本性质,发现非参数估计量具有最优收敛速度,参数估计量渐近于正态分布.同时,采用Monte Carlo模拟评价了估计方法在有限样本下的表现,结果表明文中所述方法的表现符合大样本性质,且远远优于忽略相关性的估计方法.最后,将所述方法应用于实际数据分析中.

思维模型建构在高三化学复习中的应用--以“元素推断”为例

文章以元素推断复习教学为例,分析高三学生对于元素推断知识的复习情况及思维模型建构的应用优势和切入点,建议学生在高三化学复习中建构思维模型,并通过知识的输入与输出相统一、基础认知与拓展认知相结合、思维深度与结构广度相协同等策略,进一步帮助学生在解决具体问题的过程中完善思维模型,优化化学学习方式。

隐非齐次马尔可夫模型的贝叶斯推断

当前,在教育学、心理学、经济学、社会学等许多领域经常会遇到异质纵向数据.隐马尔可夫模型因其对异质纵向数据良好的建模和分析效果而受到广泛关注.在传统隐马尔可夫模型的基础上,引入非齐次马尔可夫状态转移方式,并与多元正态分布相结合,提出了隐非齐次马尔可夫多元正态分布模型.首先,介绍隐非齐次马尔可夫多元正态分布模型的数学定义;其次,详细介绍模型参数后验分布的推导过程及MCMC算法设计;最后,设定了四个模拟实验进行比较分析,结果表明贝叶斯推断方法是可靠的.研究发现隐非齐次马尔可夫模型可以覆盖齐次隐马尔可夫模型,应用更广泛.

基于贝叶斯推断的缓冲自回归模型参数估计

本文基于马尔科夫链蒙特卡罗(MCMC)算法的贝叶斯推断下,研究缓冲自回归模型的参数估计问题。通过缓冲自回归模型参数的联合后验分布得到各参数的条件后验分布,再利用Gibbs抽样、随机游走Metropolis-Hastings算法抽取样本,并以正态分布为建议分布,对缓冲自回归模型进行参数估计。随机模拟结果显示用该方法估计各参数的效果较好。