胡光涛

作品数：8被引量：11H指数：3
导出分析报告
供职机构：云南大学更多>>
发文主题：高血压遗传密码蛋白质编码区蛋白编码区更多>>
发文领域：理学自动化与计算机技术医药卫生生物学更多>>
发文期刊：《数理统计与应用概率》《云南大学学报（自然科学版）》《生物数学学报》《数理医药学杂志》更多>>
所获基金：云南省应用基础研究基金云南省自然科学基金云南省国际合作项目更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-8
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于线性近似的即时差分学习被引量：2
《云南大学学报（自然科学版）》2002年第1期9-13,共5页胡光华 胡光涛 
云南省自然科学基金资助项目 ( 2 0 0 0A0 0 0 1-1M )
讨论基于线性近似的即时差分 (TD(λ) )学习和最小二乘即时差分 (LSTD)学习算法以逼近一平均报酬准则的马氏决策过程的相对值函数 ,逼近是通过特征函数的线性组合而实现的 。
关键词：即时差分学习 线性近似 马氏决策过程 最小二乘算法 平均报酬准则 强化学习 函数近似方法 
回归诊断及影响分析中的二阶局部方法
《云南大学学报（自然科学版）》2000年第4期241-245,共5页王林 胡光涛 谢绍龙 
云南省国际合作项目!( 96C0 0 9)
考虑影响分析问题 ,在一阶方法中基于广义影响函数及广义Cook统计量的观点 ,以MAV准则为新的投影指标 ,得到了一个新的投影方向 ,此方向对提供影响信息有较大参考价值 .对于二阶方法 ,针对多维情形 ,推广了Wu和Luo的方法 ,使其对同时处...
关键词：广义影响函数 回归诊断 影响分析 二阶局部法 
一种在线自适应控制马氏链的强化学习算法被引量：3
《云南大学学报（自然科学版）》2000年第1期9-12,共4页胡光华 胡光涛 
讨论平均准则控制马氏链的强化学习算法.目的是寻找使得长期每阶段期望平均报酬最大的最优控制策略.由于事先未知状态转移矩阵及报酬向量,故必需使用自适应控制方法.通过引入称之为行动器和评判器的神经网络构造,使得学习单元在不断学习...
关键词：强化学习 自适应评判 马氏链 控制问题 
昆明地区高血压影响因素的主成份分析被引量：1
《数理医药学杂志》1997年第3期233-235,共3页孟捷 陈滔 胡光涛 王明英 张华瑜 曾昆蓉 
分析影响血压的重要因素，为有效地预防高血压及其临床治疗都有重要意义。本文利用主成份分析法，将影响血压的多个因素化简为几个主要综合因子的作用，来分析各种因素对血压的影响，其中年龄、就业状况、吸烟、饮烟、饮酒、体重指数、...
关键词：主成份分析 累计方差贡献 特征向量 高血压 
昆明地区高血压影响因素的逐步判别分析
《云南大学学报（自然科学版）》1996年第4期358-362,共5页孟捷 胡光涛 陈滔 王明英 曾昆蓉 张华瑜 
云南省青年基金
分析影响血压的重要因素，为有效地预防高血压病及高血压的临床治疗都有重要意义．文中利用逐步判别分析法，将影响血压的多个因素化简出最优的因子，建立判别函数进行逐步分析，估计出判别系数，对数据进行分析判断。
关键词：逐步判别分析 F检验 后验概率 高血压 影响因素 
蛋白质编码区与非编码区的特征与识别被引量：3
《生物数学学报》1996年第2期75-82,共8页孟捷 陈滔 刘次全 彭守礼 胡光涛 杨自天 张许生 陈中轩 陈琳 王运祥 曾健 张静 
中国科学院昆明动物研究所细胞与分子进化开放实验室资助
在核苷酸序列分析中，一个重要的问题是如何识别一段未知序列中的编码区和非编码区．近年来提出了一些方法，但效果都不够理想．本文在对编码区与非编码区特征进行大量统计分析的基础上，提出一种加权距离判别法，并对该方法的精度进行...
关键词：遗传密码 蛋白 编码区 非编码区 识别 
偏F—检验的局部影响分析
《数理统计与应用概率》1996年第2期113-122,共10页胡光涛 石磊 
本文针对一般线性回归模型,利用局部影响的思想,采用求导的方法,研究了在三种扰动方式下(方差加权扰动,响应扰动,设计阵列扰动),偏F—检验的最大影响。通过实例分析,取得了较为满意的结果。
关键词：局部影响 线性回归模型 统计量 偏F检验 
大学生成绩比较分析被引量：3
《云南大学学报（自然科学版）》1995年第2期132-135,共4页陈建宝 胡光涛 赵志云 
云南省应用基础研究基金
本文利用统计分析方法，依据于××班四年来的德、智、体三项成绩进行了分析。分析结果表明，按不同的划分标准，可得到一些有差异性的结果。文末对造成这些差异的影响因素进行了分析并提出了一些具有一定参考价值的建议。
关键词：因素 统计分析 方差分析 成绩 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部