基于更新径向基函数网络模型的广义Pareto分布函数拟合

• 作者: 李刚 赵刚
• 来源期刊: 计算力学学报
• 学科: 数学
• 关键词: 广义Pareto分布 径向基函数网络 辅助抽样方法
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 结构力学
• 页码范围: 495-499
• 页数: 5页
• 分类号: O213.2
• 字数: 3131字
• 语种: 中文
• DOI: 10.7511/jslx201604011

摘要

广义Pareto分布函数 GPD(Generalized Pareto Distribution)是一种针对随机参数尾部进行渐进插值的方法,能够对高可靠性问题进行评估。但这种方法要求样本空间较大,计算成本较高,尽管可以通过径向基函数网络 RBFNN(Radial Basis Function Neural Network)辅助抽样的方法削减计算成本,但对于非线性程度较高的问题,RBFNN精度问题使得辅助抽样方法失效。针对这类问题,根据 GPD 的特点,提出了高效的更新 RBFNN 训练样本的方法,改善了 RBFNN在功能函数分布尾部的精度,将 RBFNN 辅助抽样方法推广应用到非线性程度较高的问题,准确地得到了所有需要的尾部样本,基于该尾部样本集的 GPD拟合结果与基于直接计算所有样本的GPD拟合结果完全一致。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李刚	大连理工大学工程力学系工业装备结构分析国家重点实验室	143	1746	22.0	35.0
2	赵刚	大连理工大学工程力学系工业装备结构分析国家重点实验室	3	3	1.0	1.0