β-スプラインによる非線形回帰モデルと情報量規準 (特集 情報量規準)
スポンサーリンク
概要
著者
関連論文
- 回帰モデリングとL_1型正則化法の最近の展開(ノンパラメトリック法の新展開)
- マイクロアレイ遺伝子発現データからの遺伝子間因果に関する知識発見(日本統計学会75周年記念特集(I))
- ベイジアンネットワークによる遺伝子ネットワークの推定(モデリング-さまざまな分野,さまざまな視点から-)
- C-5 不等分散非線形回帰モデルとその推定(非線形・複雑系への統計的アプローチ(1))(日本統計学会第69回大会記録)
- 不等分散非線形回帰モデルとその推定
- 動径基底関数ネットワークに基づく非線形回帰モデルとその推定
- C′-3 B-スプライン非線形回帰モデルによる変化点探索(日本統計学会第68回大会記録 : 多変量解析 (3))
- C′-2 拡張BICに基づくセミパラメトリック回帰モデルの評価とその応用(日本統計学会第68回大会記録 : 多変量解析 (3))
- B-スプライン非線形回帰モデルによる変化点探索
- 拡張BICに基づくセミパラメトリック回帰モデルの評価とその応用
- 情報量規準に基づくB-スプライン非線形回帰モデルの推定
- A-5 AIC, ABIC, GICに基づく非線形モデリングとその応用(日本統計学会第67回大会記録 : 統計一般理論(5)回帰分析)
- β-スプラインによる非線形回帰モデルと情報量規準 (特集 情報量規準)
- スプライン曲線推定と情報量規準
- Lassoタイプの正則化法に基づく因子分析モデルの推定とその評価(セッション2A)
- 正則化局所尤度法に基づく非線形回帰モデリング
- A-2 サポートベクターマシーンに基づく非線形識別・判別とブートストラップ法
- A-2 正則化局所尤度に基づく非線形回帰モデル
- 動径基底関数ネットワークモデルに基づく非線形判別とその応用
- サポートベクターマシーンに基づく非線形識別・判別とブートストラップ法
- 正則化局所尤度に基づく非線形回帰モデル
- C-1 動径基底関数ネットワークに基づく非線形多変量解析(非線形・複雑系への統計的アプローチ(1))(日本統計学会第69回大会記録)
- 動径基底関数ネットワークに基づく非線形多変量解析
- 正則化法に基づく半教師あり関数データ判別(学生研究発表賞セッション)
- 正則化基底展開法に基づく関数主成分分析とその応用
- ウェーブレットによる関数データ判別
- 欠損混合分布モデルとその応用
- 動径基底関数展開に基づく関数回帰モデリング
- E-1 正則化局所尤度法に基づくロジスティック回帰と判別(判別)(2003年度統計関連学会連合大会記録(日本統計学会第71回大会))
- D-3 観測不能領域を含むデータに対する混合分布モデルの適用(統計モデル)(2003年度統計関連学会連合大会記録(日本統計学会第71回大会))
- 正則化局所尤度法に基づくロジスティック回帰と判別
- 観測不能領域を含むデータに対する混合分布モデルの適用
- 複数実験条件下における遺伝子ネットワーク比較のための推定法(セッション4A)
- 超高次元時系列データからの遺伝子ネットワーク推定について
- ペトリネットによる転写制御ネットワークのモデリングと統計的推測(一般セッション1)
- がんの多様な鍵分子を探索するネットワーク推定法(セッション3B)
- パスウェイロジスティック回帰モデルに基づくがんの多様性解析(セッション3B)
- 正則化基底展開法に基づく関数主成分分析とその応用
- 共通配列探索手法とベイジアンネットワークによる遺伝子ネットワーク推定
- ブートストラップ法と情報量規準の構成 (第10回日本計算機統計学会大会報告)
- 情報量規準に基づく多変量正規混合分布モデルのコンポーネント数の推定
- 情報量規準に基づく多変量混合分布モデルのコンポーネント数の推定 (第10回日本計算機統計学会シンポジウム報告)
- 情報量規準に基づく多変量混合分布モデルのコンポーネント数の推定
- 統計的モデリングと情報量規準
- 統計的モデリングと情報量規準構成の理論:汎関数に基づくアプローチ
- A-4 Schwarz's BICの拡張とその応用(日本統計学会第67回大会記録 : 統計一般理論(5)回帰分析)
- 情報量規準構成の理論と応用-最近の発展-
- 一般化情報量規準GICとブートストラップ (特集 情報量規準)
- 情報量規準 GIC について
- ロバストな内積計算を用いたスパース学習(セッション2B)
- Functional Regression Models via Regularized Radial Basis Function Networks
- シミュレーションを通じた感染症対策の設計 : 選択的ワクチン投与による集団免疫強化の事例から(ビッグデータとデータ同化)