用于评估函数间可变性的层次模型

@文章{Behseta2005HierarchicalMF，title＝{用于评估函数之间的可变性的分层模型}，author={Sam Behseta和Robert E.Kass以及Garrick L.Wallstrom}，journal={Biometrika}，年份={2005}，体积={92}，页数={419-434}，url={https://api.semanticscholar.org/CorpusID:15033597}}
这项工作显示了一组估计的神经元泊松过程强度函数，其中由估计函数计算的样本协方差矩阵的第一个特征值可能向上偏移，并讨论了两种解释估计变化的方法。
通过Publisher查看
stat.cmu.edu
26引文
极具影响力的引文
1
背景引文
7
方法引文
7
结果引文
1

本文中的数字

26引文

潜在高斯过程模型中的贝叶斯协方差估计与推断

二元和计数数据下函数主成分分析的贝叶斯潜变量方法

证明了一种改进的变分算法可以用于获得典型参数函数的贝叶斯FPCA，特别是给定泊松计数数据的对数密度函数或给定二进制观测值的对数概率函数。

具有协变相关均值和协方差结构的函数PCA

本文提出了一个新的框架，称为协变量相关函数主成分分析（CD-FPCA），其中均值和协方差结构都依赖于协变量，并提出了相应的估计算法，该算法利用样条基表示和粗糙度惩罚。

函数的贝叶斯非参数微分方程模型

MATTHEW W.WHEELER：贝叶斯函数非参数微分方程模型（在Amy H.Herring博士和David B.Dunson博士的指导下）贝叶斯非参数方法开发了先验知识…

基于贝叶斯推理的稀疏和不规则数据的函数主成分模型

FPCA中的贝叶斯方法是在对稀疏和不规则间隔数据进行连续和二元观测的情况下开发的，并用于按性别和种族分析体重指数（BMI）数据。

贝叶斯广义结构成分分析。

提出了一种新的G SCA扩展，称为BGSCA，它在贝叶斯框架内估计参数，由于各种原因，它可能比原始的GSCA更具吸引力。

基于核的部分置换测试检测异构函数关系

一种基于核的部分置换测试，用于检查不同组之间响应和协变量之间的函数关系是否相等，该测试直观且易于实现，可以扩展为将多个核一起使用，从而可以享受每个核的属性。

一种灵活的贝叶斯多重曲线拟合方法

惩罚样条在神经数据分析中的应用

研究了惩罚样条函数在神经元数据分析中的应用，并构造了基于偏差调整模拟的同步置信带，从而在时域中进行全局推断。

分布样本的贝叶斯层次加权有限混合模型。

这项工作提出了一类分层加权有限混合模型，其中包含一组k高斯基分布，个别特定响应密度表示为这些基的混合物。

32参考文献

非等采样噪声曲线的非参数混合效应模型

一种分析相关曲线集合的方法，其中单个曲线被建模为具有随机系数的样条函数，从而产生协方差结构的低秩低频近似值，可由EM算法自然估计。

半参数非线性混合效应模型及其应用

非线性混合效应模型（NLMMs）和自建模非线性回归（SEMOR）模型通常用于拟合重复测量数据。他们使用所有主体共享的通用功能进行建模…

协方差矩阵的收缩估计

本文考虑了估计协方差矩阵和回归系数的两种通用收缩方法，第一种方法涉及收缩非结构化ML或REML估计量的特征值，第二种方法涉及将非结构化估计量收缩为结构化估计量。

协方差矩阵的非共轭贝叶斯估计及其在层次模型中的应用

这项工作为协方差矩阵提出了一组分层先验，这些先验对特定结构产生后验收缩，并解决了将这些先验和非共轭先验合并到分层模型中所带来的计算困难。

扩展线性模型中的样条自适应

考虑了贪婪、确定性方案的各种替代方案，提出了一个在扩展线性模型（ELM）背景下研究自适应的贝叶斯框架，主要测试案例是对数样条密度估计和三元图回归模型。

正态线性模型的Schwarz准则及相关方法

本文导出了在正态线性混合模型中选择固定效应的Schwarz信息准则和两个修正。第一次修改允许任意…

吉布斯采样器的协方差结构及其在估计量和增强方案比较中的应用

证明了Rao-Blackwell化对从数据扩充中获得的相关样本之间的自协方差造成了一个滞后延迟，因此，混合近似产生的方差比经验近似更小的估计。

单神经元放电率时间演变的统计分析。

结论是，在这两种情况下，相当一部分神经元在放电强度上表现出重要的时间差异，并且对神经元群体的影响进行了量化。

具有函数预测因子的广义线性模型

总结。我们提出了一种将广义线性模型扩展到某些预测变量是曲线或函数的观测值的情况的技术。这项技术尤其…

自由节点样条贝叶斯曲线拟合

一种贝叶斯方法，用于将曲线拟合到从指数族中绘制的数据，该方法使用样条曲线，其中节点的数量和位置是自由参数，性能良好，并在两个神经科学应用中进行了说明。