Kernel stick-breaking processes
核折棒过程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：摘要研究通用贝叶斯随机概率测度，未明确涉及分位数、经济分布效应或其他所列方向。
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
核折棒过程
- 研究问题
- 如何为不可数个相互依赖的随机概率测度建立先验，使其随预测变量变化，并实现相应的预测与后验计算。
- 方法与思路
- 作者在无限随机位置上配置独立随机概率测度和 beta 权重，以核函数调节折棒混合概率，并设计回溯式 MCMC 算法。
- 材料陈述的贡献
- 摘要称提出核折棒过程，描述包括协变量依赖预测规则在内的理论性质，并以模拟例子和流行病学应用展示方法。
- 阅读关注点
- 应核对核与权重保证概率测度成立的条件、协变量依赖结构、理论性质范围，以及回溯式采样的正确性和计算实现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体理论条件和算法性能未说明，不能推断任意核选择均有效或具有普遍计算优势。
原文摘要
We propose a class of kernel stick-breaking processes for uncountable collections of dependent random probability measures. The process is constructed by first introducing an infinite sequence of random locations. Independent random probability measures and beta-distributed random weights are assigned to each location. Predictor-dependent random probability measures are then constructed by mixing over the locations, with stick-breaking probabilities expressed as a kernel multiplied by the beta weights. Some theoretical properties of the process are described, including a covariate-dependent prediction rule. A retrospective Markov chain Monte Carlo algorithm is developed for posterior computation, and the methods are illustrated using a simulated example and an epidemiological application.