...
机译:通过可扩展贝叶斯方法对现代高维回归的不确定性量化
Univ Calif Davis Dept Stat Davis CA 95616 USA;
Stanford Univ Dept Stat Stanford CA 94305 USA;
Univ Florida Dept Stat Gainesville FL 32611 USA;
Univ Florida Dept Stat Gainesville FL 32611 USA;
Bayesian shrinkage; Geometric ergodicity; High-dimensional regression; Hilbert-Schmidt operator; Scale mixture of normals; Uncertainty quantification;
机译:通过可扩展贝叶斯方法对现代高维回归的不确定性量化
机译:高维模型的基于逆回归的不确定性量化算法:理论与实践
机译:基于维自适应稀疏网格逼近和约简方法的高维不确定性量化新算法
机译:通过主动和秩自适应张量回归进行高维不确定度量化
机译:具有张量分解和贝叶斯方法的高维张量回归的推理和不确定性量化
机译:贝叶斯高维回归用于变化点分析
机译:基于维自适应稀疏网格逼近和约简方法的高维不确定性量化新算法