抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
階層的事前設計の下で事後収縮速度を導出するための一般的Bayes理論フレームワークを提供する:第1ステップは,モデル選択不確実性を評価するために,第1ステップは,第1ステップから選択したモデル内の信号の強度に関する事前の信念を事前決定する。特に,著者らは,(i)統計的実験の対数尤度比,(ii)モデルの次元に関する局所エントロピー条件,および(iii)各モデルの最良近似信号に近い第2段階に関する十分な質量条件に基づき,非漸近オラクル後部収縮率を確立した。第一段階は,一般的に設計できる。事後分布はGaussテール挙動を楽し,従って,得られた事後平均はオラクル不等式を満足し,頻出者感覚における適応点推定器として自動的に役立った。モデル誤指定は,これらのオラクル速度において許容される。局所Gauss性条件は,実験の非漸近Gauss定量化の統一試みとして役立ち,[GvdV07a]で考慮された様々な実験で容易に検証できる。一般的結果を,種々の問題に適用した。(i)トレース回帰,(ii)形状制限等張/凸回帰,(iii)高次元部分線形回帰,(iv)スパース因子モデルにおける共分散行列推定,(v)非平滑多頂画像境界の検出,および(vi)Poisson点プロセスモデルにおける強度推定。これらの新しい結果は,文献における実用的な事前提案の理論的正当化,または複雑な実験のための(ほぼ)ミニマックス適応推定子の一般的な構築スキームの例証として役立った。【JST・京大機械翻訳】