Propriety of the reference posterior distribution in Gaussian process modeling
高斯过程建模中参考后验分布的正常性AI 解读 ↓
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。
AI 根据所提供的论文材料归类:摘要研究高斯过程的贝叶斯理论,未明确涉及时间序列、预测或其他所列经济计量方向。
高斯过程建模中参考后验分布的正常性AI 解读 ↓
正在核对关联版本…
正在核对对应版本的资源…
In a seminal article, Berger, De Oliveira and Sansó [J. Amer. Statist. Assoc. 96 (2001) 1361–1374] compare several objective prior distributions for the parameters of Gaussian process models with isotropic correlation kernel. The reference prior distribution stands out among them insofar as it always leads to a proper posterior. They prove this result for rough correlation kernels: Spherical, Exponential with power ρ<2, Matérn with smoothness ν<1. This paper provides a proof for smooth correlation kernels: Exponential with power ρ=2, Matérn with smoothness ν≥1, Rational Quadratic, along with tail rates of the reference prior for these kernels.