一般化線形混合モデルへの適用による補完最大化確率近似【JST・京大機械翻訳】

Song Zexi; Tan Zhiqiang

プレプリント

J-GLOBAL ID：202202206505379537 整理番号：22P0279256

一般化線形混合モデルへの適用による補完最大化確率近似【JST・京大機械翻訳】

Imputation Maximization Stochastic Approximation with Application to Generalized Linear Mixed Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年01月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

一般化線形混合モデルは,おそらく非Gauss応答を持つ階層的データの研究に有用である。しかし,尤度関数の不変性は,推定のための課題を提起する。この問題に適した新手法を開発し,これは,帰属最大化確率近似(IMSA)と呼ばれる。各反復に対して,IMSAはまず潜在変数/ランダム効果を入力し,次に,完全なデータ尤度を最大化し,最後に,以前の値の割合を維持しながら,新しい最大化者に向けて推定値を移動させる。IMSAの限界点は,自己矛盾特性を満たし,スコア方程式ベースの確率的近似(ScoreSA)によって解決された最尤推定器よりも有限サンプルでバイアスを少なくできる。数値的に,IMSAは,より安定な収束を達成し,非負分散成分のような様々な変換の下でパラメータ範囲に関して,スコアSAよりも有利である。これは,IMSAがスコアSAを一貫して凌駕するシミュレーション研究を通して裏付けられた。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

システム同定 , 図形・画像処理一般 , システム最適化手法 , パターン認識

, , ,

前のページに戻る