混合式反應變數的高維度貝式選模理論;Ultrahigh Dimensional Variable Selection for Bayesian Mixed-Type Multivariate General Linear Models

Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/91186

Title:	混合式反應變數的高維度貝式選模理論;Ultrahigh Dimensional Variable Selection for Bayesian Mixed-Type Multivariate General Linear Models
Authors:	王紹宣
Contributors:	國立中央大學統計研究所
Keywords:	貝式變數選擇方法;超高維度資料;通用線性模型;張量資料;存活分析;影像處理;Bayesian high-ddimensional variable selection;ultra-high dimensional data;general linear models;tensor data;survival data;image data
Date:	2023-07-17
Issue Date:	2023-07-18 14:28:42 (UTC+8)
Publisher:	國家科學及技術委員會
Abstract:	最近，許多關於貝葉斯高維變量選擇的研究迅速增長。了解這些貝葉斯方法是否能夠一致地估計模型參數變得越來越重要。為此，收縮先驗可用於識別高維數據中的相關信號。 Bia 和 Ghosh (2018) 開發了多元貝葉斯收縮先驗 (MBSP) 用於處理超高維數據線性回歸中的多元反應變數。在本次計劃中，我們開發了一個多變量多元混合型反應值的貝葉斯模型在通用線性模型上。我們將研究多元混合型反應變數和多元協變量之間的非線性關係。特別在超高維數據中提出新的理論方法和其他應用。這樣新的模型將延伸到張量數據資料，影像資料和存活資料等。我們相信這樣的模型和方法更能貼近在自然，社會科學上大數據的面貌。
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Graduate Institute of Statistics] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	80	View/Open

社群 sharing

Loading...