×

数学ZBZ-数学第一资源

基于无噪声训练数据构造Nadaraya-Watson估计量的噪声输入贝叶斯核回归。(英语) Zbl 1462.62513号
理学硕士:
6205年 马尔可夫过程:估计;隐马尔可夫模型
62G08型 非参数回归与分位数回归
60时40分 白噪声理论
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 毕晓普,C.M.(1995年)。用于模式识别的神经网络。牛津大学出版社·Zbl 0868.68096
[2] 毕晓普,C.M.(2007年)。模式识别与机器学习。斯普林格,纽约·Zbl 1107.68072
[三] Boss,G.R.和Seegmiller,J.E.(1981年)。年龄相关性生理变化及其临床意义。韦斯特。J、 医学。,135:434-440。
[4] Cai,T.T.和Wang,L.(2011年)。带噪声稀疏信号恢复的正交匹配追踪。IEEE传输。《基础理论》,57:4680-4688·Zbl 1365.94058号
[5] 卡罗兰,R.J.,Ruppert,D.,Stefanski,L.A.和Crainiceanu,C.M.(2006年)。非线性模型中的测量误差:现代视角。CRC出版社·Zbl 1119.62063
[6] Chase,H.P.和Maahs,D.M.(2011年)。了解糖尿病:糖尿病患者手册,第12版。儿童糖尿病基金会。
[7] Chen,Y.和Caramanis,C.(2013年)。噪声和缺失数据回归:分布无关支持恢复。程序。国际形态机器学习(ICML'13),第383-391页,JMLR。组织,https://dl.acm.org/doi/progressions/10.5555/3042817。
[8] 杜达,R.O.,哈特,P.E.和斯托克,D.G.(2001)。模式分类,第二版。约翰威利父子公司·Zbl 0968.68140
[9] 冯平,L.,余庆,Z.和魏,X.(2016年)。小样本Nadaraya-Watson核回归方法的参数优化。《国际法院判例汇编》。内尔。,5: 6-1页。
[10] 富勒,W.A.(2009年)。测量误差模型。约翰威利父子公司。
[11] 吉拉德,J.W.(2014年)。双变量误差线性回归的矩估计方法。公社。统计理论方法,43:3208-3222·Zbl 1297.62149
[12] 格拉斯贝克,R.(1990年)。参考值,原因和方式。斯堪的。J、 临床。实验室投资。,50:45-53。
[13] Kahn,M.(1994年)。糖尿病数据集。UCI机器学习库。可用:https://archive.ics.uci.edu/ml/datasets/diabetes。
[14] Kamatani,Y.,Matsuda,K.,Okada,Y.,Kubo,M.,Hosono,N.,Daigo,Y.,Nakamura,Y.和Kamatani,N.(2010年)。日本人群血液学和生化特性的全基因组关联研究。自然基因。,42:210-215。
[15] Koul,H.L.和Song,W.(2008年)。基于Berkson测量误差的回归模型检验。J、 统计计划。Inf.,138:1615-1628·Zbl 1131.62036
[16] Li,T.(2002年)。变量模型中非线性误差的稳健一致估计。J、 经济。,110-1:16·Zbl 1030.62034
[17] Loh,P.-L.和Wainwright,M.J.(2011),含噪声和缺失数据的高维回归:具有非凸性的可证明保证。程序。神经信息处理系统进展(NIPS'11),Curran Associates Inc.,57 Morehouse Lane,Red Hook,NY,United States,第2726-2734页,https://dl.acm.org/doi/progressions/10.5555/2986459。
[18] McHutchon,A.和Rasmussen,C.E.(2011年)。输入噪声下的高斯过程训练。程序。神经信息处理系统进展(NIPS'11),1341-1349页。
[19] Mohanty,B.和Basu,S.(2006年)。实用临床生物化学基础。B、 一、出版物私人有限公司。
[20] Nadaraya,E.A.(1964年)。关于估计回归。理论。可能吧。申请。,9: 141-142页。
[21] Schennach,S.M.(2004年)。存在测量误差时的非参数回归。经济。理论,20:1046-1093·Zbl 1069.62037
[22] 斯科特,D.W.(2015年)。多元密度估计:理论,实践和可视化。牛津大学出版社·Zbl 1311.62004
[23] Shapiai,M.I.,Ibrahim,Z.,Khalid,M.,Jau,L.W.和Pavlovich,V.(2010年)。基于Nadaraya-Watson核回归的小样本非线性函数逼近。程序。计算智能,通信系统和网络(CICSyN'10),2010年第二届国际会议,Curran Associates Inc.,第28-32页,http://www.progressions.com/09674.html。
[24] Shapiai,M.I.,Ibrahim,Z.,Khalid,M.,Jau,L.W.和Pavlovich,V.(2011年)。增强的Nadaraya-Watson核回归:极小样本的曲面逼近。程序。亚洲建模研讨会(AMS'11),2011年第五届,Curran Associates Inc.,第7-12页,http://www.progressions.com/12383.html。
[25] Snoek,J.,Larochelle,H.和Adams,R.P.(2012年)。机器学习算法的实用贝叶斯优化。程序。神经信息处理系统进展(NIPS'12),Curran Associates Inc.,57 Morehouse Lane,Red Hook,NY,United States,第2951-2959页,https://dl.acm.org/doi/progressions/10.5555/2986459。
[26] Vogenberg,F.R.,Barash,C.I.和Pursel,M.(2010年)。个性化医疗:第1部分:向治疗学的演变和发展。药学。疗法。,35:560-576。
[27] Wagner,J.A.(2002年)。医学中的替代终点。IOS出版社。
[28] 沃勒(Waller,2016年)。急性医学电子书:医学杂志的主要文章。爱思唯尔健康科学。
[29] 沃森,G.S.(1964年)。平滑回归分析。Sankhya先生。A、 26:359-372·Zbl 0137.13002
[30] 韦伯,A.R.(1994年)。前馈网络函数逼近:一种推广的最小二乘法。IEEE传输。神经网络。,5: 363-371年。
[31] Zhang,X.,Brooks,R.D.和King,M.L.(2009年)。多元核回归带宽选择的贝叶斯方法及其在状态价格密度估计中的应用。J、 经济。,153:21-32·兹布1431.62176
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。