منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

دانلود رایگان مقاله انگلیسی تحلیل حداقل مربعات تصحیح شده برای مدل رگرسیون خطی عملکردی - الزویر 2018

عنوان فارسی
تجزیه و تحلیل حداقل مربعات تصحیح شده برای مدل رگرسیون خطی عملکردی
عنوان انگلیسی
Analysis of regularized least squares for functional linear regression model
صفحات مقاله فارسی
0
صفحات مقاله انگلیسی
15
سال انتشار
2018
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
رفرنس
دارد
پایگاه
اسکوپوس
کد محصول
E9545
رشته های مرتبط با این مقاله
آمار
گرایش های مرتبط با این مقاله
آمار ریاضی
مجله
مجله پیچیدگی - Journal of Complexity
دانشگاه
School of Statistics - University of International Business and Economics - China
کلمات کلیدی
حداقل مربعات منظم، رگرسیون خطی تابعی، فضای هیلبرت با هسته بازآفرین، میزان یادگیری
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.jco.2018.08.001
۰.۰ (بدون امتیاز)
امتیاز دهید
چکیده

Abstract


In this paper, we study and analyze the regularized least squares for functional linear regression model. The approach is to use the reproducing kernel Hilbert space framework and the integral operators. We show with a more general and realistic assumption on the reproducing kernel and input data statistics that the rate of excess prediction risk by the regularized least squares is minimax optimal.

نتیجه گیری

4 Concluding Remarks


In this paper, we have derived the minimax rate of of regularized least squares for functional linear regression. Our required assumptions are more general and realistic than those in the literature. On the other hand, we focus on scalar response in the functional linear model. It would be interesting to consider multiple responses arising from multilinear model and study the corresponding regularized least squares setting as a future research work. Such a setting can have useful applications in image and multi-dimensional signal processing.


بدون دیدگاه