文献

J-GLOBAL ID：201702266024145372   整理番号：17A1494481

多変量バイアス調整テーパ予測プロセスモデル【Powered by NICT】

Multivariate bias adjusted tapered predictive process models

著者 (1件)： Guhaniyogi Rajarshi (Department of Applied Mathematics & Statistics, University of California Santa Cruz, SOE 2, 1156 High Street, Santa Cruz, CA 95064, USA)
資料名： Spatial Statistics  (Spatial Statistics)
巻： 21  号： PA  ページ： 42-65  発行年： 2017年 
JST資料番号： W3477A  ISSN： 2211-6753  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大きな多変量空間データセットの分析のための多変量「低ランク」法に関する以前の研究を拡張した。「低ランク」法は,通常,低次元部分空間上で作動し,過剰またはモデル誤仕様の結果として残差分散成分のバイアスを誘導する。著者らの本研究では,これらのバイアスを特性化することを試み,全身性現象としてのそれらの存在を実証し,計算費用をかけずに修復モデルを提案した。著者らの方法論的寄与は,最近提案された多変量matern相関カーネルによる多変量成分間の空間的相関を考慮した多変量テーパ予測プロセスモデルの開発にある。線形モデル共地域化(LMC)を用いて提案した枠組と多変量テーパ予測プロセスモデル(Sang.,2011)は,パラメータ推定におけるバイアスを修正するために見出された。はまた多変量テーパ予測プロセスモデルの平滑性特性と低品位モデルのクラスを比較する,新しい理論的結果,予測プロセスを証明した。最後に,合成実験と林業への応用を用いた著者らの研究を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 共分散 ,  *バイアス ,  キャラクタリゼーション ,  パラメータ推定 ,  *モデル ,  *予測 ,  Bayes推定 ,  平滑度 ,  残差
準シソーラス用語： 線形モデル ,  分散成分 ,  部分空間 ,  *プロセスモデル ,  *テーパ ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (6件)： Bayes推論 ,  共分散漸減 ,  低ランクモデル ,  平均二乗微分可能性 ,  予測過程 ,  空間平滑

分類 (3件)： 数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H) ,  分析化学一般  (CC02010H)

タイトルに関連する用語 (5件)： 多変量 ,  バイアス ,  テーパ ,  予測 ,  プロセスモデル