PulseAugur
中
实时 11:20:35
English(EN) Semi-Parametric Inference for Doubly Stochastic Spatial Point Processes: An Approximate Penalized Poisson Likelihood Approach

新方法改进空间点过程推断

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的半参数推断方法，用于双重随机空间点过程，该过程用于模拟空间域中的事件发生。与以前的方法不同，这种方法提供了计算效率，并避免了对强度函数的严格假设。该技术即使在模型错误指定的情况下也能实现协变量效应的一致且渐近正态的估计，并提供有效的推断程序。模拟和在西雅图犯罪数据上的应用表明，其预测精度优于现有方法。 AI

影响 引入了一种更有效、更灵活的空间数据分析统计方法，有可能提高犯罪地图等应用中的预测精度。

排序理由 这是一篇描述新统计方法的学术论文。[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 →

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Si Cheng, Jon Wakefield, Ali Shojaie ·

    半参数化推断用于双重随机空间点过程：一种近似惩罚泊松似然方法

    arXiv:2306.06756v3 Announce Type: replace-cross Abstract: Doubly-stochastic point processes model the occurrence of events over a spatial domain as an inhomogeneous Poisson process conditioned on the realization of a random intensity function. They are flexible tools for capturin…

相关话题