Penalized scalar-on-functions regression with interaction term

مدل های عمومی برای پاسخ های اسکالر با کوواریات های عملکردی گسترش یافته اند تا شامل تعاملات عملیاتی خطی شوند. توابع ضریب برآورد شده با استفاده از گسترش پایه ها و به حداکثر رساندن احتمال احتمال ورود به حساب می آیند، که برای اعمال صافی بر توابع ضریب جریمه می شود. پارامترهای صاف کردن مربوط به مجازات از داده ها برآورد می شود، برای مثال از طریق اعتبار کلی متناوب. اصطلاحات کاربردی یا اسکالر و نیز تعاملات عملکردی نظم بالاتر میتواند در همان چارچوب اضافه شود. عملکرد رویکرد معرفی شده در شبیه سازی ها مورد آزمایش قرار گرفته است. علاوه بر این، آن را به دو مجموعه داده های انگیزشی، داده های طیفی از یک سوخت فسیلی و داده های حسگر تراشه سلولی، که در آن سه سیگنال عملکردی در طول زمان اندازه گیری می شود، اعمال می شود. هدف اصلی پیش بینی پاسخ مربوطه، یعنی ارزش گرمای سوخت فسیلی و غلظت پاراستامول در محیط تراشه سلولی است.