Backfitting in smoothing spline ANOVA
平滑样条 ANOVA 中的回拟合算法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：摘要重点是样条模型的计算与张量积设计，时空气温应用不足以直接归入所列宏观时间序列方向。
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
平滑样条 ANOVA 中的回拟合算法
- 研究问题
- 研究如何高效拟合具有张量积或近似张量积设计的大规模平滑样条 ANOVA 模型，减少时空数据分析的内存与计算负担。
- 方法与思路
- 作者利用设计的张量积结构进行回拟合，讨论合并分量函数和逐次超松弛等加速方式，并通过迭代插补处理近似设计。
- 材料陈述的贡献
- 摘要提出节省内存和时间的计算方案及若干加速办法，并以全球历史地表气温数据展示其在实际时空分析中的使用。
- 阅读关注点
- 应核对设计结构要求、回拟合收敛性、插补步骤与加速参数选择，并查看计算节省是否影响拟合精度及实际规模表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未提供收敛条件、复杂度或量化比较，气温应用也不能直接证明适用于任意时空数据。
原文摘要
A computational scheme for fitting smoothing spline ANOVA models to large data sets with a (near) tensor product design is proposed. Such data sets are common in spatial-temporal analyses. The proposed scheme uses the backfitting algorithm to take advantage of the tensor product design to save both computational memory and time. Several ways to further speed up the backfitting algorithm, such as collapsing component functions and successive over-relaxation, are discussed. An iterative imputation procedure is used to handle the cases of near tensor product designs. An application to a global historical surface air temperature data set, which motivated this work, is used to illustrate the scheme proposed.