On Fast Computation of the Non-Parametric Maximum Likelihood Estimate of a Mixing Distribution
混合分布非参数最大似然估计的快速计算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：摘要讨论通用混合分布估计与计算算法，未提供对应所列经济计量细分方向的直接证据。
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…
关注这篇论文的作者
混合分布非参数最大似然估计的快速计算
- 研究问题
- 如何快速计算混合分布的非参数最大似然估计，并在迭代中有效管理支持点，减少冗余与计算负担？
- 方法与思路
- 作者提出由梯度函数引导新增支持点、以二次收敛方法更新全部混合权重，并立即删除冗余支持点的迭代算法。
- 材料陈述的贡献
- 摘要称算法收敛性得到理论证明，数值研究显示其相较若干已有算法计算更快、更稳定，但未给出具体比较结果。
- 阅读关注点
- 应核对支持点的增删判据、权重更新步骤与收敛证明条件，并区分权重更新的二次收敛和整个算法的收敛性质。
- 阅读边界
- 仅依据所给 Crossref 摘要；混合模型范围、初始化、停止准则及比较规模均未说明，不能判断普遍计算优势。
原文摘要
Summary A fast algorithm for computing the non-parametric maximum likelihood estimate of a mixing distribution is presented. At each iteration, the algorithm adds new important points to the support set as guided by the gradient function, updates all mixing proportions via a quadratically convergent method and discards redundant support points straightaway. With its convergence being theoretically established, numerical studies show that it is very fast and stable, compared with several other algorithms that are available in the literature.