【论文】中心杨晓蓉教授作为通讯作者在INFORMATION SCIENCES上发表论文

近日，中心杨晓蓉教授作为通讯作者和指导的博士生郝瑞婷、韩琦玮、李路在INFORMATION SCIENCES发表了高水平论文，文章名为“DAmcqrnn: An approach to censored monotone composite quantile regression neural network estimation”。

分位数回归神经网络模型常用于解决变量之间的复杂非线性问题，但其估计得到的分位数曲线可能相互交叉，违背了分位数的单调性，从而导致估计结果不可靠。在数据有删失的情况下，如何解决数据删失带来的估计偏差，如何解决分位数估计的单调性，是一个非常有意义的问题。文章利用数据增广的思想，针对删失单调复合分位数回归神经网络模型提出了一种包含3个步骤的迭代估计方法：步骤1通过数据增广过程对删失数据进行填补；步骤2利用填补以后的数据更新单调复合分位数回归神经网络模型；步骤3则基于更新后的单调复合分位数回归神经网络模型进行预测，从而给出了非交叉的分位数预测结果。数值模拟和实例分析表明，文章提出的方法不仅在分位数损失和C指数方面优于已有的处理删失数据的方法，且预测结果与完整数据下得到的结果非常接近。此外，在有效避免分位数曲线交叉问题的基础上，文章所提出的方法适用于任何类型的删失问题，弥补了现有删失方法仅能处理单一类型删失问题的缺陷。