项目名称: 一般最小低阶混杂设计中混杂结构的研究与应用

项目编号: No.11426161

项目类型: 专项基金项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 周琦

作者单位: 天津财经大学

项目金额: 3万元

中文摘要: 作为统计学的一个重要分支,试验设计在理论研究和实际应用中都有着重要意义,因子分析设计又是其中最为基础的部分。已有多种用于选取最优因子分析设计的最优准则被提出,并得到广泛应用。为了深入研究因子分析设计中的一些问题,一般最小低阶混杂(GMC)准则和设计被提出。随着该领域研究和应用工作的展开,GMC设计混杂结构的特性在其中起着重要的作用。本项目将主要关注GMC设计中混杂结构的研究与应用这一课题。首先,我们系统的描述和研究已构造的GMC设计的混杂结构,主要是提出别名集分类的概念,完善了二水平正规部分因子分析设计中的分类体系,在此基础上研究这些设计混杂结构的特性,给出相应的理论结果。其次,我们期望应用这些结果,给出一部分GMC设计和分区组GMC设计理论上的构造结果,以供实际使用。

中文关键词: 部分因子设计;分区组设计;正规设计;最优设计;

英文摘要: As one of the most important branches of statistics, design of experiments has important theoretical and practical significance, and factorial design is one of its foundational parts. To optimally select factorial designs, a few optimal criteria have been proposed and widely applied. To study the properties of factorial designs thoroughly, general minimum lower-order confounding (GMC) criterion and designs have been proposed. The characteristics of the confounding structures of these designs are essential to the research and applications in this field. This project will mainly focus on the research and applications of the confounding structures of GMC designs. At first, we systematically describe and study the confounding structures of constructed GMC designs, that is, we mainly propose the concept of classification of the aliased sets to complete the classified system in two-level regular fractional factorial designs. By studying their characteristics of the confounding structures, we provide a theoretical approach to obtain their confounding information. Based on these results, we expect to theoretically construct some GMC and blocked GMC designs, for practical use.

英文关键词: fractional factorial design;blocked design;regular design;Optimal Design;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
85+阅读 · 2021年10月11日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
29+阅读 · 2021年4月12日
深度强化学习在智能制造中的应用展望综述
专知会员服务
96+阅读 · 2021年1月28日
专知会员服务
73+阅读 · 2020年12月7日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
专知会员服务
73+阅读 · 2020年5月21日
NeurIPS 2021:半监督节点分类中的拓扑不平衡学习
图与推荐
1+阅读 · 2021年11月7日
KDD'21 | 图神经网络如何建模长尾节点?
图与推荐
6+阅读 · 2021年10月18日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
图表示学习在药物发现中的应用,48页ppt
专知
1+阅读 · 2021年4月30日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
深度学习在推荐系统中的应用综述(最全)
七月在线实验室
17+阅读 · 2018年5月5日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
49+阅读 · 2020年12月16日
小贴士
相关主题
相关VIP内容
专知会员服务
85+阅读 · 2021年10月11日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
29+阅读 · 2021年4月12日
深度强化学习在智能制造中的应用展望综述
专知会员服务
96+阅读 · 2021年1月28日
专知会员服务
73+阅读 · 2020年12月7日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
专知会员服务
73+阅读 · 2020年5月21日
相关资讯
NeurIPS 2021:半监督节点分类中的拓扑不平衡学习
图与推荐
1+阅读 · 2021年11月7日
KDD'21 | 图神经网络如何建模长尾节点?
图与推荐
6+阅读 · 2021年10月18日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
图表示学习在药物发现中的应用,48页ppt
专知
1+阅读 · 2021年4月30日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
深度学习在推荐系统中的应用综述(最全)
七月在线实验室
17+阅读 · 2018年5月5日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员