Jan, 2017

基于稀疏回归和信息准则的动态系统模型选择

PDF
TL;DR利用稀疏非线性动力学算法和信息准则对动力学系统进行模型选择，自动且有原则地选择得到强支持的模型，这个方法能够准确地鉴别出多个基本动力学系统，包括一个 SEIR 疾病模型和 Lorenz 方程。
model selectionnonlinear dynamicsinformation criteriadynamical systemsseir disease model
发现论文，激发创造
  • 误设模型中的模型选择原则

    提出了一种用于模型选择的半贝叶斯原则，并通过渐近扩展导出了半贝叶斯信息准则（SIC），该方法在模型正确性和不正确性下的模型选择具有优势。

    May, 2010

  • 奇异模型的贝叶斯信息准则

    本文探讨了其 Fisher-information 矩阵可能不可逆的模型选择问题下的序贯模型选择，提出了解决奇异模型选择问题的贝叶斯信息准则（BIC）以及边缘似然的近似方法。

    Sep, 2013

  • 自動肘部檢測的頻譜信息準則

    介绍了一种广义信息准则，可以包含其他信息准则（如贝叶斯信息准则（BIC）和赤池信息准则（AIC））作为特殊情况，还引入了一种更为通用的谱信息准则（SIC），采用几何特征提取误差曲线的肘部，为模型选择提供子集合，并提出选择唯一模型的实用规则。测试表明该方案具有优势，并附带提供了相关的 Matlab 代码。

    Aug, 2023

  • 高维树和图模型中的结构参数选择信息准则

    本文为实现树形和图形模型的结构化选择，精心平衡误差和遗漏，开发了矫正版的 Mallows's Cp 准则。

    Jun, 2023

  • 通过 L1-L2 优化实现结构化模型选择

    该研究提出了一种学习方法，通过稀疏最小二乘拟合和非凸 l1-l2 稀疏优化解决器来鉴定结构动力系统，该方法基于科学工程中的自动模型选择应用，研究了少样本和噪声空时数据的识别问题。

    May, 2023

  • 高斯图模型的拓展贝叶斯信息准则

    本文研究了用于高斯图模型种反向协方差矩阵的稀疏性，说明了贝叶斯信息准则在变量数和样本大小呈线性增长情况下的一致性，并验证了其在与高斯套索结合使用时的性能。

    Nov, 2010

  • 一种统一的动态方法用于稀疏模型选择

    本文提出一种简单的迭代正则化路径方法，通过稀疏 Mirror Descent 算法或带有非线性损失的 Linearized Bregman 迭代的动态，在 Restricted Strong Convexity (RSC) 和 Irrepresentable Condition (IRR) 的限制下，以达到不出错的子空间为首要目标，运用于稀疏逻辑回归和 Ising 模型的 NIPS 合著问题上，其性能与 glment 相当，进一步减小了偏差。

    Oct, 2018

  • 广义线性模型的自动模型选择

    本文采用混合整数圆锥优化方法，结合整体广义线性模型，完全自动化模型选择过程。具体而言，我们直接优化赤池信息准则和贝叶斯信息准则，并在特征选择任务中引入旨在处理多重共线性的约束条件，其中包括一种新的配对相关约束，它结合了符号协调约束和来自经典统计模型（如岭回归模型和 OSCAR 模型）的想法。

    Apr, 2024

  • 线性混合模型中的模型选择

    本文回顾了如何利用信息标准、收缩方法、Fence 法和贝叶斯技术等四种主要方法，解决选择适当的线性混合效应模型的问题。通过考察一系列文献的方法、性质和相互关系，帮助读者更好地了解可用的方法。

    Jun, 2013

  • 在奇异点下的学习：一种改进 WBIC 和 sBIC 的信息准则

    我们引入了一种新颖的信息准则（IC），称为孤立学习（LS），用来增强广泛适用贝叶斯信息准则（WBIC）和奇异贝叶斯信息准则（sBIC）的功能。LS 在没有正则约束的情况下有效，并表现出稳定性，通过将广泛适用信息准则（WAIC）的经验损失与 sBIC 类似的惩罚项相结合，LS 提供了一个灵活且鲁棒的模型选择方法，不受正则约束限制。

    Feb, 2024