Spatial regression models over two-dimensional manifolds
نویسندگان
چکیده
منابع مشابه
infinite dimensional garch models
مدلهای گارچ در فضاهای هیلبرت پایان نامه حاضر شامل دو بخش می باشد. در قسمت اول مدلهای اتورگرسیو تعمیم یافته مشروط به ناهمگنی واریانس در فضاهای هیلبرت را معرفی، مفاهیم ریاضی مورد نیاز در تحلیل این مدلها در دامنه زمان را مطرح کرده و آنها را مورد بررسی قرار می دهیم. بر اساس پیشرفتهایی که اخیرا در زمینه تئوری داده های تابعی و آماره های عملگری ایجاد شده است، فرآیندهایی که دارای مقادیر در فضاهای ...
15 صفحه اولAlgebraically Right-n-Dimensional Manifolds over Functionals
Let b ≤ |z|. We wish to extend the results of [16] to algebras. We show that τ ≡ |ES |. Therefore it is not yet known whether K ( Ḡ ) < ⊕ m̃∈ŝ ∫ V ( 1 ρ , . . . , ū ∨ |w| ) djD, although [16] does address the issue of solvability. Next, the groundbreaking work of K. Euclid on left-universally singular elements was a major advance.
متن کاملA Geometry Preserving Kernel over Riemannian Manifolds
Abstract- Kernel trick and projection to tangent spaces are two choices for linearizing the data points lying on Riemannian manifolds. These approaches are used to provide the prerequisites for applying standard machine learning methods on Riemannian manifolds. Classical kernels implicitly project data to high dimensional feature space without considering the intrinsic geometry of data points. ...
متن کاملHigh-dimensional regression over disease subgroups
We consider high-dimensional regression over subgroups of observations. Our work is motivated by biomedical problems, where disease subtypes, for example, may differ with respect to underlying regression models, but sample sizes at the subgroup-level may be limited. We focus on the case in which subgroup-specific models may be expected to be similar but not necessarily identical. Our approach i...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Biometrika
سال: 2016
ISSN: 0006-3444,1464-3510
DOI: 10.1093/biomet/asv069