EM Estimation of Conditional Matrix Variate $t$ Distributions
条件矩阵变元 t 分布的 EM 估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要仅介绍分布与 EM 算法，Minnesota 先验的出现不足以确认时间序列或其他具体细分方向。
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
条件矩阵变元 t 分布的 EM 估计
- 研究问题
- 如何构造条件矩阵变元 Student t 分布的新版本，并为一般设定及含 Minnesota 先验的特殊设定估计其参数？
- 方法与思路
- 作者提出新的条件矩阵变元 t 分布，并提供相应 EM 参数估计算法，分别覆盖一般情况和含 Minnesota 先验的特例。
- 材料陈述的贡献
- 摘要明确列出的贡献是新分布版本及其参数估计算法；未报告理论性质、模拟比较或实际数据应用的具体结果。
- 阅读关注点
- 应核对新旧分布的定义差异、条件化结构、EM 更新式与收敛条件，以及 Minnesota 先验如何进入估计过程。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要极简，无法判断参数识别、算法性能或具体应用范围。
原文摘要
Conditional matrix variate student $t$ distribution was introduced by Battulga (2024a). In this paper, we propose a new version of the conditional matrix variate student $t$ distribution. The paper provides EM algorithms, which estimate parameters of the conditional matrix variate student $t$ distributions, including general cases and special cases with Minnesota prior.