基于polya-gamma先验的两部分因子模型的贝叶斯推断开题报告

 2021-08-08 01:08

1. 研究目的与意义

本文探讨在贝叶斯框架下对样本数据进行统计推断。

在先前已有的研究中,对两部分因子模型的分析主要是通过MH算法和GIBBS抽样算法。

但是这些方法都用了多层潜变量,在处理过程中误差以及复杂度都使得这些方法减色不少。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

2. 国内外研究现状分析

关于Polya-gamma抽样方法的研究是最近几年才出现的。

芝加哥大学的Polson教授以及得克萨斯奥斯汀大学的Scott和Windle教授在2011年到2014年期间对Polya-gamma分布以及它的应用做了深入的研究,在这期间发表了几份技术报告,并利用R语言做了一个程序包用来实现生成Polya-Gamma随机数以及对logit模型进行参数估计。

在他们论文发表之后,佛罗里达大学的H.M.Choi教授和J.P.Hobert教授针对Polya-Gamma抽样器是均匀遍历的给出了证明。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

3. 研究的基本内容与计划

研究内容: 引言 贝叶斯方法介绍 Polya-Gamma分布介绍及随机抽样的实现 广义线性潜变量模型 随机模拟 结论与展望研究计划:第8学期1~6周:完成论文初稿第8学期7~11周:实现论文主要算法第8学期12~13周:进行随机实验,补充论文第8学期14周:编写答辩提纲第8学期15~16周:答辩

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

4. 研究创新点

本文的创新之处在于之前处理两部分因子分析模型利用的是Metropolis-Hastings算法,计算复杂,速度慢,但现在我们引入Polya-gamma随机变量来处理数据集具有二项分布的特点的数据集,这在一定程度上是对Polya-Gamma抽样器应用的一个新的推广。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;