Likelihood inference for mixtures: Geometrical and other constructions of monotone step-length algorithms
混合模型的似然推断：单调步长算法的几何及其他构造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：摘要研究一般混合分布的似然优化，未明确涉及结构估计或离散选择应用。
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
混合模型的似然推断：单调步长算法的几何及其他构造
- 研究问题
- 估计参数密度族的混合分布时，如何选择具有所述单调性的算法步长，同时避免步长过于保守影响计算？
- 方法与思路
- 作者将二阶导数曲线上方面积的高估与算法单调性联系起来，用于分析已有算法，并构造新的步长选择方法。
- 材料陈述的贡献
- 摘要称，论文给出新的单调步长选择及数值比较，并刻画 Newton–Raphson 步的单调条件和相应假位法步的结论。
- 阅读关注点
- 应核对文中单调性的确切对象、面积高估条件，以及 Newton–Raphson 与假位法结论的前提和收敛保证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；定理条件与数值比较细节缺失，不能声称算法普遍更快或推断刊本变化。
原文摘要
This paper considers algorithms for the maximum likelihood estimator of the mixing distribution of a family of parametric densities. Specific interest is devoted to the monotonicity of the step-length of the solution. In ξ 2 we introduce the idea of estimating the area above the second derivative curve, and in Theorem 1 we relate area-overestimation to the monotonicity of the associated algorithm. In ξ 3 we apply Theorem 1 to the monotonicity analysis of well-known algorithms as well as to the construction of a new class of monotone step-length choices which is particularly simple in the mixture setting. Numerical comparisons and refinements in keeping the monotonic step-length from becoming too conservative are given. Theorem 3 characterizes conditions under which the Newton-Raphson step is monotonic and, if these conditions fail to hold, states that the regula falsi step is monotonic.