Estimation of means in graphical Gaussian models with symmetries
具有对称性约束的高斯图模型中的均值估计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。
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：摘要讨论高斯图模型的对称性与均值估计，未涉及网络数据生成、网络效应或干扰机制。
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
具有对称性约束的高斯图模型中的均值估计
- 研究问题
- 在由着色图表示对称性约束的无向高斯图模型中，哪些均值分组限制能保证最大似然与最小二乘估计相同？
- 方法与思路
- 作者将变量划分为若干顶点集合，要求同组均值相等，再研究该划分与两类均值估计量相等之间的关系。
- 材料陈述的贡献
- 摘要称给出了关于变量划分的必要且充分条件，用于确保受约束高斯图模型中最大似然与最小二乘均值估计一致。
- 阅读关注点
- 应核对着色图对模型参数施加的约束、均值可估性的含义，以及必要充分条件如何表述并用于检验具体划分。
- 阅读边界
- 仅据版本未注明的索引摘要，无法还原图论条件或证明；这里的图表示统计依赖，不能据此推断社会网络或干扰效应。
原文摘要
We study the problem of estimability of means in undirected graphical Gaussian models with symmetry restrictions represented by a colored graph. Following on from previous studies, we partition the variables into sets of vertices whose corresponding means are restricted to being identical. We find a necessary and sufficient condition on the partition to ensure equality between the maximum likelihood and least-squares estimators of the mean.