inverse covariance matrix | BriefGPT

关键词inverse covariance matrix

搜索结果 - 12

广义岭回归的元学习：高维渐近性，最优性和超协方差估计
提出并分析了一种基于元学习的方法，其中通过计算具有随机回归系数的高维多元随机效应线性模型的预测风险的精确渐近行为，选择广义岭回归中的权重矩阵为随机系数协方差矩阵的逆作为可扩展的度量；并通过使用从训练任务中获得的数据基于 Riemannian
PDF3 months ago
使用非线性协方差矩阵估计器的正则化线性判别分析
利用正半定岭估计器及非线性协方差矩阵估计器，本文提出了一种新颖的 NL-RLDA 分类器，并通过综合性能评估表明其在合成数据和真实数据上的有效性。与现有方法相比，该技术在多个数据集上均表现优异。
PDF5 months ago
贝叶斯线性贝叶斯网络
该研究提出了第一个用于学习高维线性贝叶斯网络的贝叶斯方法，该方法通过反向逐步估计拓扑排序的每个元素及其父节点，使用了偏差协方差矩阵的逆。当应用于具有不等收缩的逆协方差矩阵的贝叶斯正则化时，该方法成功恢复了底层结构。具体来说，该方法表明样本数
PDF7 months ago
分布鲁棒逆协方差估计：Wasserstein 收缩估计器
提出分布鲁棒的最大似然估计模型，结合 Wasserstein 模糊集，从 n 个独立样本中推断出 $p$ 维高斯随机向量的逆协方差矩阵；当估计问题没有结构信息时，该估计问题有自然地解释为非线性缩小估计器。同时，本研究还为高斯图模型开发了一个
PDF6 years ago
ICML学习潜变量高斯图模型
本文介绍了一种条件稀疏的潜变量高斯图模型（LVGGM），利用正则化的极大似然方法来学习具有低秩加稀疏结构的逆协方差矩阵，并在高维情况下得到了新的参数估计误差界限。
PDF10 years ago
通过交替最小化实现的稀疏高斯图模型估计 - G-AMA
本文提出了一种新的基于交替最小化算法的方法 G-AMA，用于解决稀疏逆协方差估计问题，相对于先前的算法大大提高了计算速度，并能够处理高维现代数据集的机器学习任务。
PDF10 years ago
通过逆协方差估计进行高维度线性因果网络学习
本论文提出了一种新的基于统计估计的带有两个部分的框架，通过使用 moralized 图在 DAGs 中选择最佳得分的图。
PDF11 years ago
稀疏多变量回归与条件图模型的联合估计
本文提出了一种高维多元回归模型，通过惩罚条件对每个响应变量对其他变量的依赖结构进行建模，以构造稀疏的多元回归系数矩阵估计，同时估计稀疏的逆协方差矩阵。该方法能够同时进行多元回归和协方差矩阵的估计，并在一个假设条件下得到渐近选择一致性与正态性
PDF11 years ago
离散图模型的结构估计：广义协方差矩阵及其逆矩阵
本文探讨了离散图模型结构与广义协方差矩阵逆矩阵的关系，证明了对于某些图结构，指示变量的逆协方差矩阵的支撑集反映了图的条件独立结构，并提出了一种新的方法来估计缺失或受损观测值的结构，给出了这些方法的非渐近性保证并通过模拟说明了这些预测的精度。
PDF12 years ago
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。
PDF14 years ago
通过最小化 L1 惩罚对数行列式差异来进行高维协方差估计
研究了通过最大似然方法估计多元高斯随机场的条件密度函数的逆矩阵，即集中矩阵，并基于图结构进行了解析，同时讨论了其在高维情况下的稳定性和性能
PDF16 years ago
稀疏置换不变协方差估计
提出一种构建稀疏估计器的方法，用于高维背景下的逆协方差（浓度）矩阵，使用罚函数正态似然方法强制使用 Lasso 型惩罚，并在数据维数 $p$ 和样本量 $n$ 随着增长收敛速率之间建立 Frobenius 范数。同时对真实浓度矩阵进行稀疏度
PDF16 years ago