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。
構造化線形モデルにおける高次元パラメータに関する推論は重要な統計的問題である。本論文では,区分的多項式Gaussシーケンスモデルの事例に焦点を当て,既存の方法と比較して,適応ミニマックス事後濃度レートを楽し,構造学習特性を改善した新しい経験的Bayes解を開発した。さらに,経験的事前の共役形式のおかげで,事後計算は高速で容易である。また,数値的用例は,種々のシナリオの範囲にわたる既存の方法と比較して,この方法の強い有限サンプル性能を強調する。【JST・京大機械翻訳】