A multiple-imputation Metropolis version of the EM algorithm
EM 算法的多重插补 Metropolis 版本AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用 EM 算法的计算改进，未说明具体经济模型或应用对象，无法可靠归入所列领域细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
EM 算法的多重插补 Metropolis 版本
- 研究问题
- 当 EM 算法的期望步骤与最大化步骤难以处理或数值效率较低时，如何构造能够应对这些计算困难的随机变体？
- 方法与思路
- 作者提出一种随机 EM 算法，将多重插补原理与模拟退火理论结合，用于处理期望步骤和最大化步骤的计算困难。
- 材料陈述的贡献
- 摘要明确提出新的随机 EM 变体，其贡献定位于同时应对两个步骤可能难以计算或数值效率较低的情形。
- 阅读关注点
- 核对多重插补、Metropolis 更新与退火机制如何衔接，以及收敛条件、计算成本和适用模型是否有明确说明。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明更新规则、收敛保证或比较结果，不能判断效率改善的范围。
原文摘要
In this paper we introduce a new stochastic variant of the EM algorithm. The algorithm combines the principle of multiple imputation and the theory of simulated annealing to deal with cases where the E‐step and the M‐step can be intractable or numerically inefficient.