PulseAugur
实时 06:49:45
English(EN) Spatio-temporal model via Locally Adaptive Regression Splines

揭示用于时空数据分析的新统计方法

本文介绍了一种名为局部自适应回归样条的新统计方法,用于估计具有时空依赖性的数据集中的非参数回归函数。该研究将现有方法扩展到单变量和多变量环境,并提出了一种用于实际计算的ADMM算法。研究证明了所提出估计量的最小最大最优性,并发现了一种该类样条分析特有的新相变现象。模拟和实际应用均表明,这种新方法优于现有技术。 AI

影响 引入了一种新颖的统计方法,可以增强处理复杂时空数据的AI模型。

排序理由 该条目是发表在arXiv上的学术论文,详细介绍了一种新的统计方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

揭示用于时空数据分析的新统计方法

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Carlos Misael Madrid Padilla, Oscar Hernan Madrid Padilla, Daren Wang ·

    通过局部自适应回归样条的空间时间模型

    arXiv:2308.16172v5 Announce Type: replace-cross Abstract: This paper focuses on the estimation of a non-parametric regression function in the presence of data with spatio-temporal dependencies. In such a context, we study Locally Adaptive Regression Splines, a nonparametric estim…