卡普什

斜坡启发式:概述和实现。模型选择是一个包含许多统计问题的通用范式。实现这一目标最有成效和最受欢迎的方法之一是将惩罚标准最小化。五十、 Birgé和P.Massart【Probab.Theory Relat.Fields 138,No.1–2,33–73(2007;Zbl 1112.62082)】提出了一种很有前途的数据驱动方法来校准这些标准,其惩罚可以达到一个乘法因子:“斜率启发法”。理论工作在某些情况下验证了这种启发式方法,并且有几篇论文报告了在各种框架下有前景的实际行为。这项工作的目的是双重的。首先,介绍了斜坡启发式算法,并对其理论和实践结果进行了综述。其次,我们着重讨论了在应用斜坡启发式算法时遇到的实际困难。提出了一种新的实用方法,并与标准尺寸跳跃法进行了比较。本文讨论的所有实际解决方案都在不同的框架下实现并汇集在一个名为CAPUSHE的Matlab图形用户界面中。补充材料包含进一步的信息和一个额外的应用,CAPUSHE包和本文提供的数据集,可在期刊网站上找到。


zbMATH中的参考文献(参考文献52条,1标准件)

显示第1到第20个结果,共52个。
按年份排序(引用)
  1. 卡雷尔,莱娜;Alquier,Pierre:通过NMF-EM算法同时进行降维和聚类(2021)
  2. 迪奥普,马马杜拉明;Kengne,William:一般整数值时间序列的分段自回归(2021)
  3. 阿尔奎尔,皮埃尔;伯丁,卡琳;杜汗,保罗;Garnier,Rémy:具有低阶跃迁的高维VAR(2020)
  4. 巴德,让马克;Guenaizi,Abdellatif:远程相关过程中多重变化的数据驱动半参数检测(2020)
  5. 巴德,让马克;卡米拉,卡尔;Kengne,William:常见时间序列模型的一致性模型选择准则和拟合优度检验(2020)
  6. 伯丁,卡琳;克鲁奇尼科夫,尼古拉斯;莱昂,何塞·R。;Prieur,Clémentine:混合条件下有界域的自适应密度估计(2020)
  7. 伯克,奥利维尔;科利利厄,泽维尔;吉拉蒙,弗朗索瓦;勒巴比尔,埃米莉;Pascal,Claire:固定时间间隔上具有异质方差的均值模型中的断点检测(2020)
  8. 加西亚,伊丽莎白;勒科夫,西尔文;Lehéricy,Luc:具有一般状态空间的非参数平移隐马尔可夫模型的可辨识性和一致性估计(2020)
  9. 戈迪肯·巴吉奥尼,安托万;毛吉斯·拉布索,凯西;Rau,Andrea:多视图聚类聚集和分裂,应用于多组分乳腺癌数据(2020)
  10. 阿尔奎尔,皮埃尔;杜汗,保罗;Fan,Xiequan:非平稳马尔可夫链的指数不等式(2019)
  11. 德卡斯特罗,约恩;拉科,克莱尔;Ngoc,Thanh Mai Pham:非参数几何图的自适应估计(2019)
  12. 杜瓦尔,塞兰;Johanna Kappus:Fourier估计器的自适应程序:在反褶积和反编译中的应用(2019)
  13. 福布斯,佛罗伦萨;阿诺,亚历克西斯;本杰明,利马松;Barbier,Emmanuel:适应多尺度分布混合的成分消除策略(2019)
  14. 艾德丽安,伊可维茨;福特,杰西卡;Hayes,Keith:成分数据的混合模型方法:推断土地利用对点参考水质测量的影响(2019年)
  15. Lehéricy,Luc:非参数隐马尔可夫模型的一致阶估计(2019)
  16. 布劳特,文森特;瓦达,莎拉;圣桑奈特,劳尔;Lévy Leduc,Céline:用于分析大型Hi-C数据矩阵的非参数多变化点估计(2018)
  17. 费比安伯爵;萨姆森,阿德琳;Stirnemann,Julien J.:带有截尾和测量误差的危险估计:应用于妊娠期(2018年)
  18. 孔德,F。;Duval,C.:更新过程的统计推断(2018)
  19. 德维杰,埃米莉;Gallopin,Mélina:高维高斯图形模型的块对角协方差选择(2018)
  20. 福普,迈克尔;Murphy,Thomas Brendan:基于模型聚类的变量选择方法(2018)