大数据-算法-长程相依下函数型数据的稳健估计探讨.pdf

测量程序实现，通过调整权的大小用matlab实现稳健估计

传统最小二乘对粗差比较敏感，在有粗差系统中计算很容易失败，而Huber方法给出了较为稳健的计算结果

使用神经网络（REGN）可靠地估算全球降水 首字母缩略词REGN代表使用神经网络对全球降水进行稳健估计。 同时，瑞格（[rɛŋn]）是瑞典语中的雨。 REGN项目的目的是开发基于神经网络的GPROF算法实现。 该存储库用于收集该项目的所有代码和结果。 AGU介绍 REGN项目的中间结果已在2020年AGU的演讲中介绍 H206-07-使用神经网络从GPM被动微波观测中获取贝叶斯降水 作为会议H206的一部分-天基降水观测和估算：科学和应用的创新I。 演示文稿的幻灯片可以在找到。 运行代码 重现显示的结果所需的代码由两部分组成： regn Python程序包，该程序包实现基于QRNN的GPROF检索 和文件夹中包含的，其中包含执行数值分析的Python代码。 Python依赖项 注意：在安装任何这些依赖项之前，最好使用Python venv或conda创建一个新环境。 我们的工作基于

鲁棒估计中的Huber估计，C#源码，仅供参考