Stratified exponential families: Graphical models and model selection
分层指数族：图模型与模型选择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：摘要讨论统计图模型的几何结构，未提供经济网络、干扰或因果推断的直接依据。
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…
分层指数族：图模型与模型选择
- 研究问题
- 如何用指数族的几何层次区分不同图模型，尤其是含隐变量的模型，并为维数计算和模型选择提供依据？
- 方法与思路
- 作者区分线性、弯曲与分层指数族，将分层指数族定义为满足一定正则条件、维数可能不同的有限个弯曲指数族之并。
- 材料陈述的贡献
- 摘要称论文给出图模型的层次归属，用例子说明层次不能合并，并提供分层指数族的维数计算方法及模型选择讨论。
- 阅读关注点
- 应核对各类指数族的定义、隐变量模型的正则条件、层次不可合并的例子，以及维数计算如何影响模型选择。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体正则条件和选择准则未说明，不能将图模型自动视为经济网络或因果识别模型。
原文摘要
We describe a hierarchy of exponential families which is useful for distinguishing types of graphical models. Undirected graphical models with no hidden variables are linear exponential families (LEFs). Directed acyclic graphical (DAG) models and chain graphs with no hidden variables, includ ing DAG models with several families of local distributions, are curved exponential families (CEFs). Graphical models with hidden variables are what we term stratified exponential families (SEFs). A SEF is a finite union of CEFs of various dimensions satisfying some regularity conditions. We also show that this hierarchy of exponential families is noncollapsing with respect to graphical models by providing a graphical model which is a CEF but not a LEF and a graphical model that is a SEF but not a CEF. Finally, we show how to compute the dimension of a stratified exponential family. These results are discussed in the context of model selection of graphical models.