动静态基因调控网络构建方法研究与分析
这是一篇关于基因芯片技术,动静态基因调控网络,状态空间模型,多源信息融合,聚类分析的论文, 主要内容为挖掘基因之间的相互作用以及基因对于外界环境变化的响应机制,可以帮助人们更好地认识生命现象,揭示生命本质。 本文主要针对动静态基因调控网络的构建方法进行研究。动态网络的研究能够帮助人们深入把握系统的动态特征,了解基因之间的相互作用机制以及基因对于细胞或组织功能进行调控的机理。本文提出了一种基于多源信息融合的状态空间模型(Multi-source Information Fusion State-Space Model, MIF-SSM)。该模型采用变分贝叶斯(Variance Bayes)方法,有效地防止了对隐状态维数的过高估计。在此基础上,将转录因子的结合位点作为状态空间模型参数的先验分布,融入到基因调控网络的推断中。最后,采用T细胞活化实验的真实数据进行实验,通过对比加入转录因子结合位点信息和不加位点信息的构建状况,证明了基于多源信息融合的状态空间模型可以大大提高基因调控网络构建的准确性。通过静态基因网络的分析,人们能够了解到生物系统的结构。当前应用于基因表达数据聚类的方法很多,本工作选取了三种典型的聚类方法,分别对于酿酒酵母周期数据和小鼠神经活动调控基因数据基因进行探索,从数据结构和生物功能两方面对结果进行评价,找出最适合该物种的聚类方法。这为我们把握生命本质,进一步了解基因动态网络奠定了坚实的基础。
基于快速检测的MIMO雷达真假弹头识别技术研究
这是一篇关于微动,MIMO雷达,真假弹头快速识别,LOUD算法,状态空间模型的论文, 主要内容为弹道导弹以其精度高,打击力度强等特点已经成为现代战争中的杀手锏武器之一。纵观过去的研究,发现弹道弹头的运动轨迹主要分为三个阶段,每个阶段有各自的特征。弹道导弹的运动包括平动和微动的复合运动。为了迷惑反导系统,弹道导弹会在弹道中段施放假弹头,而先进的假弹头与真弹头十分相似,识别起来更加困难。本文主要研究了弹道弹头的平动和细微运动组成的复合运动,细致地分析了弹道弹头的细微运动,并采用分置天线的MIMO(Multi-Input Multi-Output)雷达直接观测弹道弹头的多维运动特征,将弹道弹头中段的运动建模成状态空间模型。真假弹头在运动中的差异,主要体现在状态空间模型中的参数不同。在弹道中段真假弹头一开始一起在弹道母舱以相同的运动参数运动,分离后,由于真弹头具控制系统运动参数不变,假弹头的运动参数会变化成一个未知的值,因此,真假弹头的识别问题,可以转换为复合二元假设检验问题。本文将传统的似然比检测算法,广义似然比检测算法(General Likelihood Ratio Test,GLR),和局部未知方向检测算法(Locally Optimum Unknown Direction Test,LOUD)应用于真假弹头的识别中。通过仿真与分析,在虚警概率相同的情况下,LOUD检测器与GLR相比更加接近理想的似然比检测器,检测效果较好。本文对真假弹头的一维运动场景和多维运动场景都进行了仿真,检测结果类似,并且LOUD检测器的处理速度比GLR检测器快很多。然而通常,实际中,真假弹头的分离时刻往往是未知的,因此为了快速地识别真假弹头为反导系统赢得充分的时间,本文采用序贯复合假设检验,并提出了序贯局部未知方向检测器(Sequential Locally Optimum Unknown Direction Test,SLOUD),对真假弹头进行快速识别。本文对真假弹头的一维仿真场景和多维仿真场景都进行了仿真分析,比较了SLOUD,序贯广义似然比检测器(Sequential General Likelihood Ratio Test,SGLR),失配的序贯似然比检测器(Sequential Mismatched Likelihood Ratio Test,SMLRT)平均检测延时随着平均虚警延时的变化关系。仿真结果表明,与序贯广义似然比检测器相比真假弹头的SLOUD检测器的检测效果更加接近理想的序贯似然比检测器。同时,SLOUD检测器的处理速度比SGLRT快很多,尤其是在处理多维的数据的时候,SLOUD检测器处理速度非常快。本文的工作主要包括以下几个方面:1、分析了弹道弹头摆动、自旋、锥旋、进动和章动等细微运动等的细微运动参数的特征,并建立了在三维雷达坐标系下弹道弹头运动的离散时间状态方程;2、采用分置天线的MIMO雷达集中地观测弹道弹头的运动,建立了弹道弹头运动的观测方程;3、将真假弹头识别的问题转换成二元复合假设检验问题,并采用理想的似然比检测算法、失配的似然比检测算法、GLR算法和LOUD算法比较了在虚警概率一定的情况下各种算法的识别的效果;4、将真假弹头的快速识别问题转换成真假弹头运动参数的二元序贯复合假设检验问题,并提出SLOUD算法,并将该算法的性能与SGLR算法等相比较,结果显示,该算法的检测效果最接近理想的检测算法,处理速度也较快。
动静态基因调控网络构建方法研究与分析
这是一篇关于基因芯片技术,动静态基因调控网络,状态空间模型,多源信息融合,聚类分析的论文, 主要内容为挖掘基因之间的相互作用以及基因对于外界环境变化的响应机制,可以帮助人们更好地认识生命现象,揭示生命本质。 本文主要针对动静态基因调控网络的构建方法进行研究。动态网络的研究能够帮助人们深入把握系统的动态特征,了解基因之间的相互作用机制以及基因对于细胞或组织功能进行调控的机理。本文提出了一种基于多源信息融合的状态空间模型(Multi-source Information Fusion State-Space Model, MIF-SSM)。该模型采用变分贝叶斯(Variance Bayes)方法,有效地防止了对隐状态维数的过高估计。在此基础上,将转录因子的结合位点作为状态空间模型参数的先验分布,融入到基因调控网络的推断中。最后,采用T细胞活化实验的真实数据进行实验,通过对比加入转录因子结合位点信息和不加位点信息的构建状况,证明了基于多源信息融合的状态空间模型可以大大提高基因调控网络构建的准确性。通过静态基因网络的分析,人们能够了解到生物系统的结构。当前应用于基因表达数据聚类的方法很多,本工作选取了三种典型的聚类方法,分别对于酿酒酵母周期数据和小鼠神经活动调控基因数据基因进行探索,从数据结构和生物功能两方面对结果进行评价,找出最适合该物种的聚类方法。这为我们把握生命本质,进一步了解基因动态网络奠定了坚实的基础。
我国影子银行发展对货币乘数的动态影响研究——基于时变参数状态空间模型
这是一篇关于影子银行,信用创造,货币乘数模型,状态空间模型,逆周期性的论文, 主要内容为影子银行在欧美国家被定义为从投放贷款到贷款证券化,再到基于初级证券化产品不断实施打包、再证券化、回购,从而构成的新型信用创造链条。2008年金融危机之后,“影子银行”成为了学术界与实务派的研究焦点,鉴于其期限错配及流动性转换等问题,从而被认定为是导致并扩大次贷危机的关键因素之一。而当前中国影子银行体系规模同样十分庞大,所隐藏的金融风险也日益突显,尽管我国学者已逐步关注并展开了相关研究,但大多聚焦于概念界定、风险特性、信用创造等方面,对于其与货币供应量、货币政策的影响研究仍十分匮乏,尤其缺少对中间作用机制的深入分析。因此,本文创新性地基于货币乘数模型的微观视角,实证研究影子银行体系对货币乘数的动态影响。依据货币创造理论,货币乘数是反映基础货币经过信贷等渠道后产生的放大倍数,传统意义上具备货币创造功能的仅有银行机构,但鉴于影子银行的信用创造效应,并具有超低或无准备金机制,传统货币数量论所定义的流动性创造机制出现巨大转变。然而在官方统计中,货币乘数等于广义货币供应量同基础货币之比,而前者尚未把影子银行的规模纳入统计当中,导致基于货币乘数等中介指标所实施的货币政策调控效果可能产生偏离,调节银行信贷总量的效用也可能逐步变弱。因此,详细梳理影子银行体系的信用创造机理,并实证研究与社会流动性、货币乘数等指标的动态关系,不仅具有完善影子银行体系监管的现实意义,更有助于优化利率市场化背景下的货币政策制定策略。本文基于货币乘数决定理论,把影子银行纳入到传统货币乘数模型,深入探究各个统计情形下影子银行对货币信用创造能力的影响差异,进而分析其如何基于银行存款分流、社会信用供给扩张等渠道,对货币供给产生的补充以及替代效应,最后基于VEC模型、SSM模型加以实证检验。结果发现:影子银行的出现及扩张对于货币乘数变动具有显著作用,并且长期关系为负相关;同时,影子银行对于货币乘数影响具有顺周期性特点,与货币政策逆周期操作间存有矛盾,从而为货币政策调控效果的扭曲寻找到一个合理解释。
基于状态空间方法的中国费雪效应的检验
这是一篇关于状态空间模型,短期自然利率,费雪系数的论文, 主要内容为本文通过分析费雪效应的理论背景,费雪利息理论,发现费雪效应是一种建立在古典实物利息理论之上的效应,它要求市场迅速出清和价格弹性。但是现实世界毕竟不是无“摩擦”的理想环境,它满足不了这个理论前提,因此费雪利息理论在短期很难成立,目前的费雪效应检验仅仅把实际利率简化成一个不变的截距项是不恰当的。这不禁让人思考,或许可以探索性地结合自然利率的计量研究方法,把短期自然利率纳入到费雪效应的检验之中。基于这种思考,本文构建了由IS曲线、基于菲利普斯曲线的总供给曲线、费雪效应方程组成的量测方程组,由潜在GDP的对数、短期自然利率,预期通货膨胀率等组成的状态方程组,它们一起构成状态空间模型。模型估计结果显示短期自然利率变化趋势分为两个阶段。第一阶段为2002年第1季度到2007年第4季度,趋势为快速下降,数值从0.08下降到0.02。第二阶段为2008年第1季度到2013年第3季度,趋势大致为一水平线,数值在0.020到0.011之间,稳定在0.014左右。在2002年第1季度到2013年第3季度,费雪系数的估计值为1.0,中国存在完全的费雪效应。这和ECM模型估计得到的部分费雪效应,存在很大差别。因此本文认为,在估计费雪效应的时候采用短期自然利率或许是解开费雪效应之谜的关键。
动静态基因调控网络构建方法研究与分析
这是一篇关于基因芯片技术,动静态基因调控网络,状态空间模型,多源信息融合,聚类分析的论文, 主要内容为挖掘基因之间的相互作用以及基因对于外界环境变化的响应机制,可以帮助人们更好地认识生命现象,揭示生命本质。 本文主要针对动静态基因调控网络的构建方法进行研究。动态网络的研究能够帮助人们深入把握系统的动态特征,了解基因之间的相互作用机制以及基因对于细胞或组织功能进行调控的机理。本文提出了一种基于多源信息融合的状态空间模型(Multi-source Information Fusion State-Space Model, MIF-SSM)。该模型采用变分贝叶斯(Variance Bayes)方法,有效地防止了对隐状态维数的过高估计。在此基础上,将转录因子的结合位点作为状态空间模型参数的先验分布,融入到基因调控网络的推断中。最后,采用T细胞活化实验的真实数据进行实验,通过对比加入转录因子结合位点信息和不加位点信息的构建状况,证明了基于多源信息融合的状态空间模型可以大大提高基因调控网络构建的准确性。通过静态基因网络的分析,人们能够了解到生物系统的结构。当前应用于基因表达数据聚类的方法很多,本工作选取了三种典型的聚类方法,分别对于酿酒酵母周期数据和小鼠神经活动调控基因数据基因进行探索,从数据结构和生物功能两方面对结果进行评价,找出最适合该物种的聚类方法。这为我们把握生命本质,进一步了解基因动态网络奠定了坚实的基础。
基于状态空间方法的中国费雪效应的检验
这是一篇关于状态空间模型,短期自然利率,费雪系数的论文, 主要内容为本文通过分析费雪效应的理论背景,费雪利息理论,发现费雪效应是一种建立在古典实物利息理论之上的效应,它要求市场迅速出清和价格弹性。但是现实世界毕竟不是无“摩擦”的理想环境,它满足不了这个理论前提,因此费雪利息理论在短期很难成立,目前的费雪效应检验仅仅把实际利率简化成一个不变的截距项是不恰当的。这不禁让人思考,或许可以探索性地结合自然利率的计量研究方法,把短期自然利率纳入到费雪效应的检验之中。基于这种思考,本文构建了由IS曲线、基于菲利普斯曲线的总供给曲线、费雪效应方程组成的量测方程组,由潜在GDP的对数、短期自然利率,预期通货膨胀率等组成的状态方程组,它们一起构成状态空间模型。模型估计结果显示短期自然利率变化趋势分为两个阶段。第一阶段为2002年第1季度到2007年第4季度,趋势为快速下降,数值从0.08下降到0.02。第二阶段为2008年第1季度到2013年第3季度,趋势大致为一水平线,数值在0.020到0.011之间,稳定在0.014左右。在2002年第1季度到2013年第3季度,费雪系数的估计值为1.0,中国存在完全的费雪效应。这和ECM模型估计得到的部分费雪效应,存在很大差别。因此本文认为,在估计费雪效应的时候采用短期自然利率或许是解开费雪效应之谜的关键。
动静态基因调控网络构建方法研究与分析
这是一篇关于基因芯片技术,动静态基因调控网络,状态空间模型,多源信息融合,聚类分析的论文, 主要内容为挖掘基因之间的相互作用以及基因对于外界环境变化的响应机制,可以帮助人们更好地认识生命现象,揭示生命本质。 本文主要针对动静态基因调控网络的构建方法进行研究。动态网络的研究能够帮助人们深入把握系统的动态特征,了解基因之间的相互作用机制以及基因对于细胞或组织功能进行调控的机理。本文提出了一种基于多源信息融合的状态空间模型(Multi-source Information Fusion State-Space Model, MIF-SSM)。该模型采用变分贝叶斯(Variance Bayes)方法,有效地防止了对隐状态维数的过高估计。在此基础上,将转录因子的结合位点作为状态空间模型参数的先验分布,融入到基因调控网络的推断中。最后,采用T细胞活化实验的真实数据进行实验,通过对比加入转录因子结合位点信息和不加位点信息的构建状况,证明了基于多源信息融合的状态空间模型可以大大提高基因调控网络构建的准确性。通过静态基因网络的分析,人们能够了解到生物系统的结构。当前应用于基因表达数据聚类的方法很多,本工作选取了三种典型的聚类方法,分别对于酿酒酵母周期数据和小鼠神经活动调控基因数据基因进行探索,从数据结构和生物功能两方面对结果进行评价,找出最适合该物种的聚类方法。这为我们把握生命本质,进一步了解基因动态网络奠定了坚实的基础。
面向随机多对象动态系统的深度生成式模型
这是一篇关于动态系统建模,图神经网络,时间序列,状态空间模型,深度生成式模型,规整化流的论文, 主要内容为现实世界中的动态系统通常由多个存在随机性交互影响关系的对象组成。建模和预测此类多对象动态系统的行为通常较为困难,因为其各个组成对象间的复杂相互作用和联合演化过程难以被有效形式化。本文提出了两种使用图神经网络对随机多对象动态系统进行深度生成式建模的方法。在第一种方法中,我们提出了关系式状态空间模型,其在状态空间模型的框架下使用图神经网络建模多个相关对象的交互影响关系和联合状态转移;在第二种方法中,我们提出了条件式图规整化流模型,其在规整化流的框架下使用在时间维度上并行化的图神经网络建模多对象多步轨迹的联合分布中对象间的依赖。通过图神经网络与深度生成式模型的紧密融合,关系式状态空间模型提供了一种在多对象动态系统建模中利用关系信息的灵活方式,而条件式图规整化流模型提供了一种联合预测多对象未来多步轨迹的高效方式。两种模型的有效性在合成和实时序列数据集上得到了实验验证。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设海岸 ，原文地址：https://bishedaima.com/lunwen/53121.html
