MIM公司

图形建模导论。图形建模是一种多元分析的形式,它使用图形来表示模型。这些图表显示了模型中变量之间的关联和因果依赖关系的结构。这本教科书提供了一个图形建模的介绍,强调应用和实用性,而不是一个正式的发展。它基于流行的图形建模软件包MIM,它的一个免费版本可以从互联网上下载。在介绍场景和描述图形建模的一些基本思想之后,接下来的章节将描述特定的模型族,包括对数线性模型、高斯模型以及混合离散和连续变量的模型。接下来的章节包括假设检验和模型选择。第七章和第八章是第二版的新内容。第7章介绍了有向图、链图和其他图的使用。第8章总结了一些有关因果推理的最新工作,当图形模型被给予因果解释时是相关的。这本书将为学生和研究人员提供一个关于这个主题的有用的介绍。


参考文献中的数学134篇,2标准条款)

显示134个结果中的1到20个。
按年份排序(引用)

1 2 ... 5 6 7 下一个

  1. 斯坦科维奇,米罗斯拉夫;巴托奇、埃齐奥;Laura Kovács:基于矩的贝叶斯网络特性分析(2022)
  2. 戴,本;沈晓彤;潘伟:两级单调多级推荐系统(2021)
  3. 郭,肖;张海:时变网络的结构化学习及其在(\mathrpm_2.5)数据中的应用(2021)
  4. 红,英熙;张一洙;Kim,Choongrak:用拉普拉斯矩阵检测复杂网络中的集线器(2021)
  5. 黄先正;张红梅:基于二次推理函数的微分高斯贝叶斯网络检验(2021)
  6. 范建清;冯、杨;Xia,Lucy:一种基于投影的条件相关度量及其在高维无向图模型中的应用(2020)
  7. 郭,肖;张海:包含协变量的稀疏有向无环图(2020)
  8. 黄东明;Janson,Lucas:通过调节来放松仿制品的假设(2020)
  9. 贾维迪安,穆罕默德·阿里;瓦尔托塔,马可;Jamshidi,Pooyan:AMP链图:最小分隔符和结构学习算法(2020)
  10. 李春林;沈晓彤;潘伟:大有向无环图的似然比检验(2020)
  11. 公园,群雄;Kim,Youngwhan:具有齐次和非均匀误差方差的高斯线性结构方程模型的可辨识性(2020)
  12. 彭斯;沈晓彤;潘玮:带干预的有向无环图的重构(2020)
  13. 阿伯鲁佐,安东尼诺;伊万,武贾契奇;米诺,安杰洛·M。;Wit,Ernst C.:在惩罚高斯图形模型中选择调谐参数(2019)
  14. 福普,迈克尔;墨菲,托马斯·布伦丹;Scrucca,Luca:基于模型的稀疏协方差矩阵聚类(2019)
  15. 郭,肖;张海;王瑶;梁勇:结合无标度特性的稀疏有向无环图的结构学习(2019)
  16. 卡里亚金,瓦莱里A。;科尔达诺夫,亚历山大P。;科尔达诺夫,彼得拉。;Pardalos,Panos M.:高斯图形模型选择的损失函数、无偏性和最优性(2019)
  17. 徐凯;郝欣欣:高维小样本块对角协方差结构的非参数检验(2019)
  18. 德巴斯蒂亚尼,费尔南达;里格比,罗伯特A。;西诺普特里姆。;Cysneiros,奥黛丽H.M.A。;Uribe Opazo,Miguel A.:GAMLSS中的高斯-马尔可夫随机场空间模型(2018)
  19. 红,英熙;Kim,Choongrak:高维协方差估计的最新发展及其相关问题,综述(2018)
  20. 李佩莉;肖云海:一种基于对偶形式的稀疏逆协方差矩阵估计的有效算法(2018)

1 2 ... 5 6 7 下一个