数学 > 统计理论
[提交于 2014年2月6日
(v1)
,最后修订 2014年7月16日 (此版本, v2)]
标题: 自适应ABC模型选择与隐藏Gibbs随机场的几何概括统计量
标题: Adaptive ABC model choice and geometric summary statistics for hidden Gibbs random fields
摘要: 由于似然函数中含有无法求解的规范化常数,选择隐马尔可夫随机场的不同依赖结构可能非常具有挑战性。 我们通过近似贝叶斯计算(ABC)回答了这个问题,该方法在贝叶斯框架下提供了一种模型选择方法。 这继 Grelaud 等人(2009)的工作之后,他们展示了直接观察到的吉布斯随机场的充分统计量。 但当随机场是潜在的时,充分性失效,我们补充了与几何汇总统计相关的集合。 构建这些直观统计量的一般方法依赖于基于观察颜色和可能的潜在图的站点聚类分析。 基于这些统计量的ABC模型选择效率通过局部错误率来评估,这可能有独立的兴趣。 作为副产品,我们推导出一种ABC算法,该算法能够根据数据集调整汇总统计量的维度,而不影响模型选择。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.