{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,6]]，“日期-时间”：“2024-09-06T00:17:09Z”，“时间戳”：1725581829604}，“引用-计数”：85，“发布者”：“威利”，“问题”：“5”，“许可证”：[{“开始”：{'日期-部件“：[[2021,8,3]]，”日期-时间“：”2021-08-03T00:00:00Z“，“时间戳”：1627948800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://\/onlinelibrary.wiley.com/termsAndConditions#vor”}]，“内容域”：{“域”：[“onlinelibrary.wiley.com”]，“crossmark-restriction”：true}，“short-container-title”：[”统计分析“]，”published-print“：{”date-parts“：[2021,10]]}，”抽象“：”摘要<\/jats:title>神经网络通常用于非参数回归建模。随着2010年现代数据集复杂性的不断增加，人们对这些模型的兴趣与日俱增。随着现代技术的进步，在许多应用领域，预测因子的数量经常超过样本量。因此，从庞大的预测库中选择重要的预测因子是进行明智推断的一项极其重要的任务。本文提出了一种新型的柔性单层径向基函数（RBF）网络。该结构可以估计平滑的未知回归函数，也可以进行变量选择。由于高斯RBF\u2010net具有吸引人的特性，我们主要关注它。对RBF的其他选择的扩展相当简单。该架构还表明，在使用后验样本的低维环境中，在不施加任何稀疏估计方案的情况下，可以有效地识别相关预测因子。我们开发了一种高效的马尔可夫链蒙特卡罗算法来生成参数的后验样本。我们通过高维和低维回归问题的模拟实验来说明该方法的经验有效性。根据经验确定后收缩率假设误差方差未知，且真函数属于H\u00f6lder球。我们在人类连接组项目数据集中演示了我们的方法，以预测词汇理解并识别结构连接组的重要边缘<\/jats:p>“，”DOI“：”10.1002\/sam.11540“，”type“：”期刊文章“，”已创建“：｛”日期部分“：[[2021,8,3]]，”日期时间“：”2021-08-03T13:54:14Z“，”时间戳“：1627998854000｝，”page“：”484-500“，”update policy“：”http:\/\/dx.DOI.org/10.1002\/crosmark_policy“，”source“：”Crossref“，”由count引用“：0，”title“：[”用于平滑函数估计和变量选择的多元高斯RBF\u2010net“]，”前缀“：”10.1002“，”卷“：”14“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0001-6976-9967“，”authenticated-ORCID“：false，”给定“：”Arkaprava“，”family“：”Roy“，”sequence“：”first“，”affiliation“：[}”name“：”美国佛罗里达州盖恩斯维尔大学生物统计学系“}]}]，“成员”：“311”，“在线发布”：{“日期部分”：[[2021,8,3]]}，“参考”：[{“密钥”：“e_1_2_8_2_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1111\/mono.12038“}，{“key”：“e_1_2_8_3_1”、“首页”：“243”，“article-title”：“稀疏单索引模型”，“卷”：“14”，“作者”：“Alquier P.“，“年份”：“2013年”，“新闻标题”：“J.Mach。学习。研究“}，{”key“：”e_1_2_8_4_1“，”首页“：”1147“，”article-title“：”Bayesian estimation in single\u2010 index models“，”volume“：“14”，”author“：”Antoniadis A.“，”year“：”2004“，”journal title“：“Stat.Sin.”}，}“first page”：“402”，“volume-title”：“Advances in Neural Information Processing Systems”，“year”：“1998”，“author”：“Barber D.”，“key”：_1“}，{”键“：”e_1_2_8_6_1“，“doi-asserted-by”：“crossref”，“unstructured”：“M.Betancourt哈密顿蒙特卡罗概念介绍。arXiv预印本arXiv:1701.02434 2017.“，”DOI“：”10.3150\/16-BEJ810“}，{“问题”：“30”，“密钥”：“e_1_2_8_7_1”，“首页”：“2”，“文章标题”：“层次模型的哈密顿蒙特卡罗”，”卷“：”79“，”作者“：”Betancourt M.“，”年份“：”2015“，”日志标题“当前趋势贝叶斯方法应用”}，}，“密钥“：”e_2_8 _8 _1“，”DOI-asserted-by“：”publisher“，“DOI“：”10.1080\/01621459.2014.960967“}，{”key“：”e_1_2_8_9_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1111\/j.1541-0420.2007.00843.x”}，“key”：“e_1_i_8_10_1”，“DOI-assert-by”：“publisher”，”DOI“:”10.1093\/brain\/awx169“}”，{“key“”：”e_ 2_8_11_1“，”DOI-asserted-by“”：“”publisher“，”DOI“：”10.1214\/10-AOAS388“}，{”volume-title“：”径向基函数，多\u2010变量函数插值和自适应网络”，“年份”：“1988”，“作者”：“Broomhead D.S.”，“密钥”：“e_1_2_8_12_1”}，{“密钥”，“e_2_8-13_1”，”doi-asserted-by“：”publisher“，”doi“：”10.3922\/j.psns.2009.2.003}，{“键”：“e_1_2_8_15_1“，”非结构化“：”T.Chen e.Fox和C。Guestrin随机梯度Hamiltonian Monte Carlo国际机器学习会议PMLR 2014第1683\u20131691页。由“：”插入publisher“，”DOI“：”10.1198\/016214501753382273“}，{“key”：“e_1_2_8_19_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.18637\/jss.v033.i01”}，“{”key“：”e_1_i_8_20_1“，“doiasserted-by 339“，”article-title“：”Bayesian变量选择方法“，”volume“：”7“，”author“：”George E.I.“，“年份”：“1997年”，“新闻标题”：“统计师”。罪。“}，{”key“：”e_1_2_8_22_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1214\/aos\/1016218228“}、{”key“：“e_1_i_8_23_1”，”doo-asserted-by“：“publisher”，“doi”：“10.1214\/aos\/1013203452”}，“key”：“e_ 1_8_24_1”“}，{”key“：”e_1_2_8_25_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1093\/biomet\/82.4.711”}“，{“key”：“e_1_2_8_26_1”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.jma.2019.03.015”}，{“key”：“e_1_2_8_27_1”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.jma.2010.02.001”}，{“key”：“e_1_2_8_28_1”，“doi断言者”：“publisher”，“doi”：“10.1214\/s\/1009212815”}，{“key”：“e_ 1_2_8_29_1“，”doi断言者“：”publisher“，”doi“：”10.1162\/08976698300017421“}，{“key”：“e_1_2_8_30_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1214\/09-AOS781“}，{”key“：”e_1_i_8_31_1“，”doi-assert-by“：”publisher“，”doi:“10.1093\/biomet\/asaa074”}，“key“：“H.Jiang X.Fei H.Liu K.Roeder J.Lafferty L.Wasserman X.Li and T.Zhao surge:高维2010无向图估计.R包版本1.3.4.1.https:\/\/CRAN.R\u2010project.org\/package=murge 2020”}，{“key”：“e_1_2_8_33_1”，“doi-asserted-by”：“publisher”，”doi：“10.18637\/jss.v011.i09”}“，”doi“：“10.1109\/72.661120”｝，｛“key”：“e_1_2_8_35_1”，“首页”：“65”，“文章标题”：“回归模型的变量选择”，“卷”：“60”，“作者”：“Kuo L.”，“年份”：“1998”，“期刊标题”：“Sankhy\u0101”｝，｛“key”：“e_1_2_8_36_1”，“doi断言者”：“出版商”，“doi”：“10.1109\/347.89023”｝，｛“key”：“e_1_2_8_37_1”，“doi由”：“publisher”，“doi”断言：“10.1016\/S0893-6080（00）00045-9”}，{“key”：“e_1_2_8_38_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1080\/01621459.2017.1409122“}，}“issue”：“3”，”key“：”e_1_i_8_39_1“，”首页“：”18“，”article-title“：”randomforest分类与回归“，”volume“：“2”，“author”：“Liaw A.”，“year”：“2002”，“journal-title“：”R新闻“}，{“key”：“e_1_2_8_40_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s10994-013-5406-z”}，{“key”：“e_1_2_8_41_1”，”doi-assert-by“：”publisher“，”doi“：”10.1214\/00905360600000722“}，”key“：”e_1_i_8_42_1“，“，”doi-asserted-by“：”publisher“，”doi“：”10.1111\/rssb.12293“}，{”key“：”e_1_2_8_44_1“，“first page”：“2295”，“article-title”：“The non-paranormal:Semiparameter estimation of high dimension undirected grams”，“volume”：”10“，“author”：“Liu H.”，“year”：“2009”，“journal-title“：”J.Mach.Learn.Res.“}，{”key“：”e_1_2_8_45_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/J.stamet.2016.09.002”}，“{”key“：“e_2_8 _46_1”，”doi由“：”publisher“提供，“DOI”：“10.1016\/S0021-9045（02）00011-4”}，{“key”：“e_1_2_8_47_1”，“DOI-asserted-by”：“crossref”，”unstructured“：”R.McCulloch R.Sparapani R.Gramacy C.Spanbauer and M.Pratola BART:贝叶斯加回归树。R package version 2.7.https:\/\/CRAN.R\u2010project.org\/package=BART 2019“，”DOI“：”10.1002\/9781118445112.stat08251“}，”{“密钥”：“e_1_2_8_48_1”，“非结构化”：“D.Meyer E.Dimitriadou K.Hornik A.Weingessel和F.Leisch e1071:统计概率理论小组（原：e1071）TU Wien.R包版本1.7\u20103 2019。https:\/\/CRAN.R\u2010project.org\/package=e1071”}，{“key”：“E_1_2_8_49_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1080\/01621459.1988.10478694”}，{“volume-title”：“神经网络的贝叶斯学习”，“year”：“2012”，“author”：“Neal R.M.”，“key”：“e_1_2_8_50_1”}“新闻标题”：“Handb.Markov Chain Monte Carlo”}，{“key”：“e_1_2_8_52_1”，“doi-asserted-by”：“publisher”，”doi“：”10.3150\/20-BEJ1198“}，{”key“：”e_1_i_8_53_1“，”doi-assert-by“：”publisher“，“doi”：“10.1016\/j.neuroimage.2009.09.027”}，}“keys”：“e_1_2_8_54_1”{“键”：“e_1_2_8_55_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1016\/j.jspi.2010.10.003”}，{“key”：“e_1_2_8_56_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.neuroimage.2012.04.062“}，“key“：”e_1_i_8_57_1“，”doi-assert-by“：”publisher“，“doi”：“10.116\/jmva.2015.02.007”}。publisher“，”doi“：”10.1111\/j.1467-9868.2009.00718.x“}，{“key”：“e_1_2_8_59_1”，“doi-asserted-by”：“publisher”，“DOI”：“10.1214\/009053605000000417”}，{“key”：“e_1_2_8_60_1”，《unstructured》：“V.Rockov\u00e1和S.van derPas贝叶斯回归树和森林的后验浓度。arXiv预印本arXiv:1708.08734 2017。”}：“高维单一\u2010指数贝叶斯脑萎缩模型”，“量”：“15”，“作者”：“Roy A.”，“年份”：“2018”，“期刊标题”：“贝叶斯分析”}，{“键”：“e_1_2_8_62_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1214\/19-AOAS1257“}，”{“key”：“e_1_2_8_63_1”.734151“}，{”键“：”e_1_2_8_64_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/S1361-8415（02 _1”，“首页”：“1”，“文章标题”：“一致稀疏深度学习：理论与计算”，“author”：“Sun Y.”，“year”：“2021”，“journal-title”：“J.Amer.Statist.Assoc.”}，{“key”：“e_1_2_8_68_1”，“doi-asserted-by”：“crossref”，《首页》：“267”，“doi”：“10.1111\/J.2517-61.1996.tb02080.x”，“article-title“：”通过套索进行回归收缩和选择“，”卷“58”，“auth”：“Tibshirani R”，“年份”：“1996”，“新闻标题“：”J.R.Stat.Soc。序列号。B： Methodol公司。“}，{”key“：”e_1_2_8_69_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1162\/15324430152748236”}，“{”key“：“e_1_i_8_70_1”，“doi-assert-by”：“publisher”，”doi“：”10.1002\/hbm.25042“}”，{“key”：“e_ 1_8_71_1”}，{“密钥”：“e_1_2_8_72_1”，“doi-asserted-by”：“发布者”，“doi”：“10.1016\/j.jmva.2012.03.009”}，{“key”：“e_1_2_8_73_1”，“doi-asserted-by”：“crossref”，”unstructured“：”Y.Wu H.Wang B.Zhang and K.\u2010L.Du 2012:使用径向基函数网络进行函数逼近和分类ISRN Applied Mathematics 2012：“H.Wu\u2010Minn 1200名受试者数据发布参考手册2017。https:\/\/www.humanconnectome.org.”}，{“key”：“e_1_2_8_75_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s10114-012-1369-4“}，”{“key”：”e_1_i_8_76_1“，”doi-assert-by“：”publisher“，“doi”：“10.1214\/14-BA929”}by“：”publisher“，”doi“：”10.1214\/19-BA1178“}，{“key”：“e_1_2_8_78_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1214\/15-AOS1390“}，{“key”：”e_1_i_8_79_1“，”doi-assert-by“：”publisher“，“doi”：“10.1214\/14-AOS1289”}，“key“：”e_c_2_8_80_1“”，“unstructured”：“Y.Yang and H.Zou gcdnet:LASSO and Elastic Net（Adaptive）惩罚最小二乘逻辑回归HHSVM平方铰链SVM和使用快速GCD算法的期望回归。R软件包版本1.0.5.https:\/\/CRAN.R\u2010project.org\/package=gcdnet 2017“}，{“key”：“e_1_2_8_81_1”，“doi-asserted-by”：“publisher”、“doi”：“10.1198\/01621450238618861”}、{“密钥”：“e_1_2_8_82_1”、”doi-assert-by“：”publisher“，”doi“：“10.1214\/10-AOAS446”}，“key“：”e_2_8-83_1“，serted-by“：”publisher“，”doi“：”10.1016\/j.jmva.2008.09.003“}，{”key“：”e_1_2_8_84_1”，“doi由”断言：“publisher”，“doi”：“10.1080\/01621459-2015.1036994”}，{“key”：“e_1_2_8_85_1”，“doi由”断言：“publisher”，“doi”：“10.1198\/01621405000000735”}，{“key”：“e_1_2_8_86_1”，“doi由”断言：“publisher”，“doi”：“10.1214\/08-AOS625”}]，“容器标题”：[“统计分析和数据挖掘：美国广告标准局数据科学期刊”]，“original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/onlinelibrary.wiley.com/doi\/pdf\/10.1002\/sam.1154“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“https:\//onlinelibrary.wiley.com\/doi\/full-xml\/10.10002\/sam.11540”，“content-type:”application“\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\/\/onlinelibrary.wiley.com/doi\/pdf\/101002\/sam.1154“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2024,9,5]]，“date-time”：“2024-09-05T18:37:09Z”，“timestamp”：1725561429000}，“score”：1，“资源”：{“主资源”：}URL“：”https:\/\/onlinelibrary.wiley.com/doi\/10.1002\/sam.1154“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2021,8,3]]}，“references-count”：85，“journal-issue”：{“issue”：“5”，“published-print”：{”date-ports“：[2021,10]}}”，“alternative-id”：[“10.1002\/sam.11540”]，“URL”“：”http://\/dx.doi.org\/10.1002\/sam.1154“，”存档“：[”Portico“]，”关系“：{}，”ISSN“：[”1932-1864“，”1932-1872“]，”ISSN-type“：[{”type“:”print“，”value“：”1932-11864“}，{”类型“：”electronic“，”value“：”932-1872”}]，“subject”：[]，“published”：{“date-parts”：[2021,8,3]]}，“assertion”：[{“value”：“2021-06-21”，“order”：0，“name”：“received”，“label”：“received”，“group”：{“name”：“publication_history”，“label”：“publication history”}}，{”value“：”2021-07-15“，”order“：1，”name“：”accepted“，“label”：“accepted”，“group”：{“name”：“publication_history”，“lable”：“publication history”}}，{“value”：“2021-08-03”，“order”：2，“name”（名称）：“published”（已发布），“labele”（标签）：“published”