کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11029716 1646465 2019 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Reduced rank modeling for functional regression with functional responses
ترجمه فارسی عنوان
مدل سازی کاهش رتبه برای رگرسیون عملکردی با پاسخ های عملکردی
کلمات کلیدی
ترجمه چکیده
این مقاله به بررسی مشکلات رگرسیون که هر دو پیش بینی کننده و پاسخ در طبیعت کاربرد دارند. به رغم تمایل به ساختن یک مدل تقریبی، در نظر داریم رگرسیون رتبه ای عملکردی را در چارچوب بازتولید فضاهای هیلبرت هسته ای، که می تواند در قالب رگرسیون عامل خطی با عوامل چند متغیری صورت پذیرفته، و کاهش ابعاد در پیش بینی کننده و فضاهای پاسخ نرخ همگرایی برآوردگر مشتق شده است. شبیه سازی و مجموعه داده های واقعی برای نشان دادن عملکرد رقابتی روش پیشنهادی استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آنالیز عددی
پیش نمایش مقاله
مدل سازی کاهش رتبه برای رگرسیون عملکردی با پاسخ های عملکردی
چکیده انگلیسی
This article considers regression problems where both the predictor and the response are functional in nature. Driven by the desire to build a parsimonious model, we consider functional reduced rank regression in the framework of reproducing kernel Hilbert spaces, which can be formulated in the form of linear factor regression with estimated multivariate factors, and achieves dimension reduction in both the predictor and the response spaces. The convergence rate of the estimator is derived. Simulations and real datasets are used to demonstrate the competitive performance of the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Multivariate Analysis - Volume 169, January 2019, Pages 205-217
نویسندگان
, , , ,