权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Level Crossing of Likelihood Functions in Sequential Decision Problems and Statistical Learning

顺序决策问题和统计学习中似然函数的水平交叉

基本信息

批准号：
1712657
负责人：
Xiaoou Li
金额：
$ 12.9万
依托单位：
University of Minnesota-Twin Cities
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2017
资助国家：
美国
起止时间：
2017-07-01 至 2021-06-30
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1712657&HistoricalAwards=false
关键词：
Level Crossing Likelihood Functions Sequential

项目摘要

The last decade has witnessed remarkable progress in statistical methods for applications arising from various fields including education, psychology, finance, and engineering. The properties of many of these new methods remain unclear, calling for theoretical insights. This research project aims at (1) studying the theoretical underpinning of effective methods in statistical learning and sequential decision making and (2) developing new methods with provably efficiency and reliability. This research will not only address a class of fundamental problems in statistics but also have a positive impact on scientific research in other disciplines. One important application will be in the adaptive design of educational testing and personalized learning. Three types of problems will be considered in the project: information quantification for model selection, measuring the feasibility of classification, and sequential allocation. A common feature of the research problems involves handling the probability that a likelihood function exceeds a high level. The analysis of such a probability is statistically challenging, especially under the asymptotic regime where this probability decays at an exponential rate. Standard numerical evaluation tools, such as Monte Carlo methods, are computationally intensive to achieve a reasonable accuracy level for simulating such a small probability. Novel techniques will be developed to obtain sharp asymptotic approximations as well as provably efficient numerical methods simultaneously.

在过去的十年里，统计方法在教育、心理学、金融和工程等各个领域的应用取得了显着的进展。许多这些新方法的性质仍然不清楚，需要理论上的见解。本研究项目旨在（1）研究统计学习和顺序决策中有效方法的理论基础，（2）开发具有可证明的效率和可靠性的新方法。这项研究不仅解决了统计学中的一类基本问题，而且对其他学科的科学研究也产生了积极的影响。一个重要的应用将是教育测试和个性化学习的自适应设计。本计画将考虑三种类型的问题：模型选择的资讯量化、衡量分类的可行性，以及循序分配。研究问题的一个共同特征涉及处理似然函数超过高水平的概率。这种概率的分析在统计上是具有挑战性的，特别是在这种概率以指数速率衰减的渐近状态下。标准的数值评估工具，如蒙特卡罗方法，是计算密集型的，以达到一个合理的精度水平，模拟这样一个小的概率。新的技术将被开发，以获得尖锐的渐近近似，以及证明有效的数值方法同时进行。

项目成果

期刊论文数量（11）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

A Note on Exploratory Item Factor Analysis by Singular Value Decomposition

DOI：
10.1007/s11336-020-09704-7
发表时间：
2019-07
期刊：
Psychometrika
影响因子：
3
作者：
Haoran Zhang;Yunxiao Chen;Xiaoou Li
通讯作者：
Haoran Zhang;Yunxiao Chen;Xiaoou Li

Structured Latent Factor Analysis for Large-scale Data: Identifiability, Estimability, and Their Implications

DOI：
10.1080/01621459.2019.1635485
发表时间：
2019-07-20
期刊：
JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION
影响因子：
3.7
作者：
Chen, Yunxiao;Li, Xiaoou;Zhang, Siliang
通讯作者：
Zhang, Siliang

Sequential Hypothesis Test With Online Usage-Constrained Sensor Selection

DOI：
10.1109/tit.2019.2910730
发表时间：
2016-01
期刊：
IEEE Transactions on Information Theory
影响因子：
2.5
作者：
Shang Li;Xiaoou Li;Xiaodong Wang;Jingchen Liu
通讯作者：
Shang Li;Xiaoou Li;Xiaodong Wang;Jingchen Liu

Robust Measurement via A Fused Latent and Graphical Item Response Theory Model

DOI：
10.1007/s11336-018-9610-4
发表时间：
2018-09-01
期刊：
PSYCHOMETRIKA
影响因子：
3
作者：
Chen, Yunxiao;Li, Xiaoou;Ying, Zhiliang
通讯作者：
Ying, Zhiliang

Moderate deviation for random elliptic PDE with small noise

小噪声随机椭圆偏微分方程的中等偏差

DOI：
10.1214/17-aap1373
发表时间：
2018
期刊：
The Annals of Applied Probability
影响因子：
0
作者：
Li, Xiaoou;Liu, Jingchen;Lu, Jianfeng;Zhou, Xiang
通讯作者：
Zhou, Xiang

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Xiaoou Li其他文献

Submitted to the Annals of Applied Probability MODERATE DEVIATION FOR RANDOM ELLIPTIC PDE WITH SMALL NOISE By

提交给《应用概率年鉴》具有小噪声的随机椭圆偏微分方程的中等偏差

DOI：
发表时间：
2017
期刊：
影响因子：
0
作者：
Xiaoou Li;Jingcheng Liu;Jianfeng Lu;Xiang Zhou
通讯作者：
Xiang Zhou

A Multi-objective transfer learning framework for time series forecasting with Concept Echo State Networks

一种基于概念回声状态网络的时间序列预测多目标迁移学习框架

DOI：
10.1016/j.neunet.2025.107272
发表时间：
2025-06-01
期刊：
NEURAL NETWORKS
影响因子：
6.300
作者：
Yingqin Zhu;Wen Yu;Xiaoou Li
通讯作者：
Xiaoou Li

Online fuzzy modeling with structure and parameter learning

DOI：
10.1016/j.eswa.2008.09.016
发表时间：
2009-05-01
期刊：
Research article
影响因子：
作者：
Wen Yu;Xiaoou Li
通讯作者：
Xiaoou Li

Modelling of crude oil blending via discrete-time neural networks

通过离散时间神经网络进行原油混合建模

DOI：
10.1007/978-3-642-10690-3_10
发表时间：
2004
期刊：
(ICEEE). 1st International Conference on Electrical and Electronics Engineering, 2004.
影响因子：
0
作者：
Xiaoou Li;Wen Yu
通讯作者：
Wen Yu

Discrete-time nonlinear system identification using recurrent neural networks

使用循环神经网络的离散时间非线性系统识别

DOI：
10.1109/cdc.2003.1271775
发表时间：
2003
期刊：
42nd IEEE International Conference on Decision and Control (IEEE Cat. No.03CH37475)
影响因子：
0
作者：
Wen Yu;Xiaoou Li
通讯作者：
Xiaoou Li