文献

J-GLOBAL ID：202202218991424532   整理番号：22A0900991

多変量計数データにおける過剰分散の取り扱い【JST・京大機械翻訳】

Dealing with overdispersion in multivariate count data

著者 (2件)： Corsini Noemi (Department of Statistical Sciences, University of Bologna, via Belle Arti 41, 40126, Bologna, Italy) ,  Viroli Cinzia (Department of Statistical Sciences, University of Bologna, via Belle Arti 41, 40126, Bologna, Italy)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 170  ページ： Null  発行年： 2022年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  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： 多変量計数データにおける過剰分散の問題は挑戦的な問題である。それは,主に,Webまたはディジタル収集からの次世代シーケンスとテキストデータのような現代の技術ベースのデータの関連性による中心的役割をカバーする。エクストラ変動データに対する尤度ベースモデルの包括的な解析を示した。高次元データに実現可能なモデルに特に注目した。パラメトリック推定手順と共に新しいアプローチを提案した。Dirichlet-多項式分布のより深いバージョンとして見ることができ,観測された変動のより良い近似を得ることを可能にする重要な結果を導いた。提案モデルと既存の戦略の意味的比較を,2つの異なるシミュレーション研究および経験的データセットを通して行い,分散を記述するためのより良い能力を確認した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *多項式 ,  技術 ,  データ ,  最尤法 ,  ディジタル方式 ,  Web【情報システム】
準シソーラス用語： 尤度 ,  パラメトリック推定 ,  *多変量 ,  深層学習 ,  テキストデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 過剰変動 ,  混合モデル ,  深層学習 ,  最大尤度

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 多変量 ,  取り扱い