稀疏逼近及其应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    10871015
  • 项目类别：
    面上项目
  • 资助金额：
    25.0万
  • 负责人：
    陈迪荣
  • 依托单位：
    北京航空航天大学
  • 学科分类：
    A0205.调和分析与逼近论
  • 结题年份：
    2011
  • 批准年份：
    2008
  • 项目状态：
    已结题
  • 起止时间：
    2009-01-01 至2011-12-31

项目摘要

本项目的目标是发展稀疏逼近理论和方法，针对函数、算子和学习问题，建立稀疏逼近新理论和方法，并揭示其内在联系。建立数据获取的自适应方法，研究取样点的分布流形，给出其分布稀疏性的定性和定量刻画；研究基于小波的稀疏逼近理论和方法，分别研究Lp-误差和点态意义下的小波m-项逼近、基于数据的小波m-项逼近；分析现有学习算法的稀疏性， 研究函数型数据(functional data)的学习问题，将传统的一些算法（包括SVM, Boosting等）算法推广到函数型数据情形、研究其相容性以及收敛速度估计。采取的研究方法有，综合利用函数论、泛函分析、概率统计和图像处理方法。拟解决的关键科学问题有，针对一般而非均匀分布的取样，建立相应的小波变换；建立适合稀疏逼近的Littlewood-Paley理论；将小波m-项逼近、小波收缩算法应用到学习理论，以及对函数型数据进行学习。

结项摘要

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）
Learning rates of gradient descent algorithm for classification
分类梯度下降算法的学习率
  • DOI：
    10.1016/j.cam.2008.04.022
  • 发表时间：
    2009-02
  • 期刊：
    Journal of Computational and Applied Mathematics
  • 影响因子：
    2.4
  • 作者：
    Dong, Xue-Mei;Chen, Di-Rong
  • 通讯作者：
    Chen, Di-Rong
Gradient iteration with l(p)-norm constraints
具有 l(p)-范数约束的梯度迭代
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Journal of Mathematical Analysis and Applications
  • 影响因子：
    1.3
  • 作者：
    Chen, Di-Rong;Huang, Wei
  • 通讯作者：
    Huang, Wei
Analysis of Support Vector Machines Regression
支持向量机回归分析
  • DOI：
    10.1007/s10208-008-9026-0
  • 发表时间：
    2009-03
  • 期刊：
    Foundations of Computational Mathematics
  • 影响因子：
    3
  • 作者：
    Peng, Lizhong;Tong, Hongzhi;Chen, Di-Rong
  • 通讯作者：
    Chen, Di-Rong
Consistency of regularized spectral clustering
正则化谱聚类的一致性
  • DOI：
    10.1016/j.acha.2010.09.002
  • 发表时间：
    2011-05
  • 期刊：
    Applied and Computational Harmonic Analysis
  • 影响因子：
    2.5
  • 作者：
    Cao, Ying;Chen, Di-Rong
  • 通讯作者：
    Chen, Di-Rong
Partially-Linear Least-Squares Regularized Regression for System Identification
用于系统辨识的部分线性最小二乘正则回归
  • DOI：
    10.1109/tac.2009.2031566
  • 发表时间：
    2009-10
  • 期刊：
    IEEE Transactions on Automatic Control
  • 影响因子：
    6.8
  • 作者：
    Xu, Yong-Li;Chen, Di-Rong
  • 通讯作者：
    Chen, Di-Rong

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

{{ item.title }}
{{ item.translation_title }}
  • 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 }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

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

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Construction of multivariate biorthogonal wavelets with arbitrary vanishing moments
具有任意消失矩的多元双正交小波的构造
  • DOI：
    10.1023/a:1018950126225
  • 发表时间：
    2000-05
  • 期刊：
    Advances in Computational Math
  • 影响因子：
    --
  • 作者：
    陈迪荣;Bin Han 和 S. D. Riemenschneider
  • 通讯作者：
    Bin Han 和 S. D. Riemenschneider
正则化回归算法的快速学习率
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    中国科学:数学
  • 影响因子：
    --
  • 作者：
    佟宏志;陈迪荣;杨凤红
  • 通讯作者：
    杨凤红
基于小波包算法的压缩传感SAR成像方法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    雷达学报
  • 影响因子：
    --
  • 作者：
    时燕;陈迪荣
  • 通讯作者：
    陈迪荣
Generalization error bound of semi-supervised learning with l1 regularization in sum space
和空间中 l1 正则化半监督学习的泛化误差界
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    刘超;陈迪荣
  • 通讯作者：
    陈迪荣
自适应区域协方差跟踪算法
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    计算机工程与科学
  • 影响因子：
    --
  • 作者：
    何儒汉;胡新荣;李登峰;陈迪荣
  • 通讯作者：
    陈迪荣

其他文献

{{ item.title }}
{{ item.translation_title }}
  • 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 }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

陈迪荣的其他基金

函数型数据恢复以及数据之间的依赖关系
  • 批准号：
    11971048
  • 批准年份：
    2019
  • 资助金额：
    53 万元
  • 项目类别：
    面上项目
基于深度学习的函数型数据分析与处理
  • 批准号：
    U1830107
  • 批准年份：
    2018
  • 资助金额：
    62.0 万元
  • 项目类别：
    联合基金项目
基于信息的自适应构造逼近
  • 批准号：
    11171014
  • 批准年份：
    2011
  • 资助金额：
    43.0 万元
  • 项目类别：
    面上项目
区域小波分析与统计学习理论
  • 批准号：
    10571010
  • 批准年份：
    2005
  • 资助金额：
    26.0 万元
  • 项目类别：
    面上项目
多元向量值小波分析及其应用
  • 批准号：
    10171007
  • 批准年份：
    2001
  • 资助金额：
    14.0 万元
  • 项目类别：
    面上项目
多元小波的构造与小波框架包
  • 批准号：
    19501003
  • 批准年份：
    1995
  • 资助金额：
    2.8 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码