×
哈米德·埃夫特哈里;穆利纳斯·班纳吉;亚亚科夫·里托夫

高维线性模型的c-最优实验设计。 （英语） 兹伯利07634407

伯努利 29，第1号，652-668（2023）.
摘要：我们研究的是随机设计，当有大量未标记数据可用，但测量相应响应的成本很高时，该随机设计可最小化亏损拉索估计量的渐近方差。最优抽样分布是半定规划的解。通过仿真实验证明了这些优化设计对效率的改善。

引用于1文件

MSC公司：

62Jxx型 线性推断、回归
62Kxx美元 统计实验设计
90立方厘米 数学编程

关键词：

压缩感知;推理;优化设计;稀疏

软件：

PDCO公司
PDF格式BibTeX公司 XML格式引用
\textit{H.Eftekhari}等人，Bernoulli 29，No.1，652--668（2023；Zbl 07634407）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Ahmed，N.、Natarajan，T.和Rao，K.R.（1974年）。离散余弦变换。IEEE传输。计算。C-23 90-93。10.1109/t-c.1974.223784·Zbl 0273.65097号
[2] Bickel，P.J.、Ritov，Y.和Tsybakov，A.B.（2009年）。同时分析套索和Dantzig选择器。安。统计师。37 1705-1732. 2008年4月10日-AOS620·Zbl 1173.62022号
[3] Boyd，S.和Vandenberghe，L.（2004）。凸优化剑桥：剑桥大学出版社。10.1017/CBO9780511804441·Zbl 1058.90049号
[4] Cai，T.、Cai，T.和Guo，Z.（2019）。个性化治疗选择：高维模型中的最佳假设检验方法。ArXiv预印本。可从ArXiv:1904.12891获得。
[5] Cai，T.T.和Guo，Z.（2017）。高维线性回归的置信区间：最小最大速率和适应性。安。统计师。45 615-646. 10.1214/16-AOS1461·兹比尔1371.62045
[6] 乔恩·M和赫拉迪克·M（2012）。实验设计中关于（c）-最优性的两个复杂性结果。计算。最佳方案。申请。51 1397-1408. 2007年10月10日/10589-010-9377-8·Zbl 1245.90052号
[7] Chen，S.S.、Donoho，D.L.和Saunders，M.A.（2001年）。通过基追踪进行原子分解。SIAM版本。43 129-159. 10.1137/S003614450037906X号·Zbl 0979.94010号
[8] Chernoff，H.（1953年）。估计参数的局部最优设计。安。数学。统计。24 586-602. 10.1214/aoms/1177728915·Zbl 0053.10504号
[9] Dette，H.等人（1993年）。（D）-最优性的埃尔夫文定理。安。统计师。21 753-766. 10.1214/aos/1176349149·Zbl 0796.62062号
[10] Dette，H.和Holland-Letz，T.等人（2009年）。异方差回归（c）最优设计的几何特征。安。统计师。37 4088-4103. 2009年4月10日-AOS708·Zbl 1191.62130号
[11] Dobriban，E.和Fan，J.（2016）。稀疏回归的正则性。Commun公司。数学。统计。4 1-19. 2007年10月10日/40304-015-0078-6·兹比尔1341.62212
[12] Elfving，G.（1952年）。线性回归理论中的最优分配。安。数学。统计。23 255-262. 10.1214/aoms/1177729442·Zbl 0047.13403号
[13] Fan，S.K.和Chaloner，K.（2003）。奇异最优设计的一种几何方法。J.统计学家。计划。推断113 249-257. 10.1016/S0378-3758（01）00289-0·Zbl 1033.62073号
[14] Gu，L.和Yang，J.-F.（2013）。近正交拉丁超立方体设计的构造。梅特里卡76 819-830. 2007年10月10日/00184-012-0417-5·Zbl 1268.62089号
[15] Harman，R.和Jurík，T.（2008）。使用线性规划的单纯形方法计算最佳实验设计。计算。统计师。数据分析。53 247-254. 2016年10月10日/j.csda.2008.06.023·Zbl 1231.62142号
[16] Huang，Y.、Kong，X.和Ai，M.（2020年）。稀疏线性模型中的优化设计。梅特里卡83 255-273. 2007年10月10日/00184-019-00722-9·Zbl 1441.62198号
[17] Javanmard，A.和Lee，J.D.（2020年）。高维假设检验的灵活框架。J.R.统计社会服务。B.统计方法。82 685-718. ·Zbl 07554770号
[18] Javanmard，A.和Montanari，A.（2014）。高维回归的置信区间和假设检验。J.马赫。学习。物件。15 2869-2909. ·Zbl 1319.62145号
[19] Kohavi，R.、Longbotham，R.，Sommerfield，D.和Henne，R.M.（2009年）。网络控制实验：调查和实践指南。数据最小知识。迪斯科。18 140-181。2007年10月10日/10618-008-0114-1
[20] Eftekhari，H.、Banerjee，M.和Ritov，Y.（2023年）。补充“高维线性模型的c-最优实验设计”10.3150/22-BEJ1472SUPP·Zbl 07634407号
[21] Lustig，M.、Donoho，D.和Pauly，J.M.（2007年）。稀疏MRI：压缩传感在快速MR成像中的应用。医学磁共振：国际医学磁共振学会官方期刊58 1182-1195.
[22] Misra，S.和Wu，Y.（2020年）。基于特征提取和特征排序的富有机页岩扫描电镜图像机器学习辅助分割海湾专业出版。10.1016/B978-0-12-817736-5.00010-7
[23] Pázman，A.和Pronzato，L.（2006）。渐近奇异设计LS估计的不规则性。统计师。普罗巴伯。莱特。76 1089-1096. 2016年10月10日/j.spl.2005.12.010·Zbl 1090.62076号
[24] Pronzato，L.（2009）。奇异（c）-最优设计的正则化。数学。斯洛伐克语59 611-626. 10.2478/s12175-009-0151-2号·Zbl 1211.62131号
[25] Pukelsheim，F.（2006）。实验的优化设计.应用数学经典50.宾夕法尼亚州费城：SIAM。10.1137/1.9780898719109 ·Zbl 1101.62063号
[26] Pukelsheim，F.和Rieder，S.（1992年）。近似设计的有效舍入。生物特征79 763-770. 10.1093/生物组/79.4.763
[27] Ravi，S.N.、Ithapu，V.、Johnson，S.和Singh，V.（2016）。稀疏线性模型和应用的预算实验设计。在机器学习国际会议583-592.
[28] Rodríguez-Díaz，J.M.（2017）。具有相关观测值的模型的（c）-最优设计计算。计算。统计师。数据分析。113第287-296页。2016年10月16日/星期二2016年11月19日·Zbl 1464.62149号
[29] Rudelson，M.和Zhou，S.（2012年）。从各向异性随机测量中重建。在学习理论会议10-1. ·Zbl 1364.94158号
[30] Rudin，L.I.、Osher，S.和Fatemi，E.（1992年）。基于非线性全变分的噪声去除算法。物理学。D、 非线性现象。60 259-268. ·Zbl 0780.49028号
[31] Sagnol，G.（2011年）。计算多响应实验的最优设计简化为二阶锥规划。J.统计学家。计划。推断141 1684-1708. 2016年10月10日/j.jspi.2010.11.031·Zbl 1207.62156号
[32] Seeger，M.W.（2008）。稀疏线性模型的贝叶斯推理与优化设计。J.马赫。学习。物件。9 759-813. 10.1017/40143385700005320·Zbl 1225.68213号
[33] 斯托伊卡·P和巴布·P（2010）。最优实验设计埃尔夫文定理的代数推导及与稀疏估计的一些联系。IEEE信号处理。莱特。17 743-745. 10.1109/LSP.2010.2053533
[34] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计师。Soc.序列号。B类58 267-288. ·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[35] van de Geer，S.、Bühlmann，P.、Ritov，Y.和Dezeure，R.（2014）。关于高维模型的渐近最优置信域和检验。安。统计师。42 1166-1202. 10.1214/14-AOS1221·Zbl 1305.62259号
[36] Vershynin，R.（2018）。高维概率：数据科学应用简介.剑桥统计与概率数学系列47.剑桥：剑桥大学出版社。1997年10月17日/9781108231596·兹比尔1430.60005
[37] Zhang，C.-H.和Zhang的S.S.（2014）。高维线性模型中低维参数的置信区间。J.R.统计社会服务。B.统计方法。76 217-242. 10.1111/rssb·兹比尔1411.62196
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。