Bayesian local extremum splines
贝叶斯局部极值样条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：摘要研究通用形状约束回归和贝叶斯样条，未明确涉及给定计量领域细分。
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
贝叶斯局部极值样条
- 研究问题
- 当一元回归函数在定义域内部的局部极值数量存在已知上限时，如何进行形状约束非参数估计并检验曲线形状假设？
- 方法与思路
- 作者围绕新的局部极值样条类构造贝叶斯非参数先验，在限制内部极值个数的框架下发展形状检验和后验采样算法。
- 材料陈述的贡献
- 摘要称，该方法对所考虑函数类中的任意连续可微函数具有一致性，并提供曲线形状假设检验、模拟研究和数据示例。
- 阅读关注点
- 应核对样条如何控制极值数量、先验支持和一致性的含义，以及极值上限的设定、形状假设检验和采样算法的实现。
- 阅读边界
- 仅据所给 Crossref 摘要；一致性条件、极值上限选择和检验校准未说明，结论限定于所考虑函数类，不能推断其他版本变化。
原文摘要
Summary We consider shape-restricted nonparametric regression on a closed set $\mathcal{X} \subset \mathbb{R},$ where it is reasonable to assume that the function has no more than $H$ local extrema interior to $\mathcal{X}$. Following a Bayesian approach we develop a nonparametric prior over a novel class of local extremum splines. This approach is shown to be consistent when modelling any continuously differentiable function within the class considered, and we use itto develop methods for testing hypotheses on the shape of the curve. Sampling algorithms are developed, and the method is applied in simulation studies and data examples where the shape of the curve is of interest.