Spatial regression models over two-dimensional manifolds
二维流形上的空间回归模型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：摘要研究非平面流形上的空间回归，未涉及网络节点、面板结构或其他已列领域细分的直接内容。
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
二维流形上的空间回归模型
- 研究问题
- 当数据分布在非平面的二维黎曼流形上时，作者研究如何构建空间回归，并纳入随空间变化的协变量信息。
- 方法与思路
- 作者在广义加性模型中加入流形微分算子定义的粗糙度惩罚，通过共形参数化推广平面空间回归，并使用有限元计算。
- 材料陈述的贡献
- 摘要提出适用于一般二维黎曼流形的半参数空间回归框架，将非平面几何、空间协变量和有限元估计结合起来。
- 阅读关注点
- 应核对共形参数化对几何与拓扑的要求、惩罚算子的定义、边界条件和有限元误差，以及平滑参数的实际选择方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；几何限制、统计性质和计算误差界未说明，不能推断刊本变化。
原文摘要
We propose a regression model for data spatially distributed over general two-dimensional Riemannian manifolds. This is a generalized additive model with a roughness penalty term involving a differential operator computed over the non-planar domain. By virtue of a semiparametric framework, the model allows inclusion of space-varying covariate information. Estimation can be performed by conformally parameterizing the non-planar domain and then generalizing existing models for penalized spatial regression over planar domains. The conformal coordinates and the estimation problem are both computed with a finite element approach.