研究人员开发了一种新的正则化最大似然框架，用于估计参数和在广义线性专家混合模型中进行特征选择。该方法适用于高斯、泊松和多项式响应，使用 L1 惩罚来诱导门控网络和专家中的稀疏性。该方法使用近端牛顿-EM 算法进行优化，该算法避免了矩阵求逆和阈值处理，产生了精确的稀疏估计，并在模拟和真实数据集上展示了具有竞争力的或更优的预测和聚类准确性。 AI
影响 引入了一种处理复杂数据结构的新颖统计方法，有可能提高 AI 应用中的模型可解释性和性能。
排序理由 详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- expectation–maximization algorithm
- Faïcel Chamroukhi
- generalized linear model
- GitHub
- lasso
- Mixtures-of-experts of autoregressive time series: asymptotic normality and model specification
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
