垃圾邮件

稀疏矩阵:稀疏矩阵:稀疏矩阵代数的函数集。与SparseM/Matrix的区别在于:(1)我们只支持(本质上)一种稀疏矩阵格式,(2)基于透明和简单的结构,(3)为GMRF中的MCMC计算量身打造。(4) S3和S4类似-“兼容”。。。而且速度很快。


zbMATH中的参考文献(引用于 28篇文章,1标准件)

显示第1到第20个结果,共28个。
按年份排序(引用)
  1. Andrew Finley,Abhirup Datta,Sudipto Banerjee:最近邻高斯过程模型的R包(2020)阿尔十四
  2. Bevilacqua,Moreno;Faouzi,Tarik:固定域渐近下使用广义Cauchy协方差模型估计和预测高斯过程(2019)
  3. Bevilacqua,Moreno;Faouzi,Tarik;Furrer,Reinhard;Porcu,Emilio:在固定域渐近下使用广义Wendland协方差函数进行估计和预测(2019年)
  4. Heaton,Matthew J.;Datta,Abhirup;Finley,Andrew O.;Furrer,Reinhard;吉尼斯,约瑟夫;Guhaniyogi,Rajarshi;Gerber,Florian;Gramacy,Robert B.;Hammerling,Dorit;Katzfuss,Matthias;Lindgren,Finn;Nychka,Douglas W.;Sun,Furong;Zammit Mangion,Andrew:大型空间数据分析方法之间的案例研究竞争(2019年)
  5. Neelon,Brian:基于Pólya-gamma混合物的贝叶斯零膨胀负二项回归(2019)
  6. Duncan Lee;Alastair Rushworth;Gary Napier:使用CARBayesST软件包的条件自回归先验R时空区域单元建模(2018)不是zbMATH
  7. John Hughes:sklarsomega:使用Sklar和#sOmega系数衡量协议的R包(2018年)阿尔十四
  8. MacNab,Ying C:关于多元高斯马尔可夫随机场的一些最新研究(2018)
  9. Kühnel,Line;Sommer,Stefan;Pai,Akshay;Raket,Lars Lau:图像配准中强度和翘曲效应的最可能分离(2017)
  10. Bevilacqua,M.;Fassò,A.;Gaetan,C.;Porcu,E.;Velandia,D.:多元高斯随机场估计的协方差递减(2016年)
  11. Furrer,Reinhard;Bachoc,François;Du,Juan:用于估计和预测的多元逐步变细的渐近性质(2016)
  12. Vepakomma,Praneth;Elgammal,Ahmed:将流形学习看作对称对角占优线性系统的快速算法(2016)
  13. Bevilacqua,Moreno;Gaetan,Carlo:比较基于空间高斯随机场对的复合似然方法(2015年)
  14. Martin Schlather;Alexander Malinowski;Peter Menck;Marco Oesting;Kirstin Strokorb:多变量随机场的分析、模拟和预测(2015)不是zbMATH
  15. Simone Padoan;Moreno Bevilacqua:使用CompRandFld分析随机场(2015)不是zbMATH
  16. Millo,Giovanni:具有随机效应的空间和序列相关面板的最大似然估计(2014)
  17. Duncan Lee:CARBayes:R包用于具有条件自回归先验的贝叶斯空间建模(2013)不是zbMATH
  18. Hirano,Toshihiro;Yajima,Yoshihiro:用于预测转换随机场中的大空间数据集的协方差递减(2013)
  19. Tilman Davies;David Bryant:R中高斯随机场的循环嵌入(2013)不是zbMATH
  20. Yue,Yu Ryan;Hong,Hyokyong Grace:医疗支出面板调查数据的贝叶斯tobit分位数回归模型(2012)