研究人员开发了一个新的函数主成分分析（FPCA）在线框架，旨在高效地对多维函数数据流进行建模。该方法利用张量积样条和在Stiefel流形上的惩罚框架来强制执行平滑性和标准正交性。该方法包括一个黎曼随机梯度下降算法和一个自适应梯度变体，以及平滑参数的动态调整策略。该框架还提供了估计量的渐近正态性推导和点估计置信区间。 AI
影响 引入了一种分析复杂数据流的新颖统计方法，可能适用于涉及时间序列或高维数据的AI研究。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- functional principal component analysis
- multidimensional functional data
- Muye Nanshan
- Riemannian adaptive gradient
- Riemannian stochastic gradient descent
- Stiefel manifold
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
