Discrete-Valued Signal Estimation via Low-Complexity Message Passing Algorithm for Highly Correlated Measurements
本文提出一种基于低复杂度贝叶斯最优消息传递算法的离散值信号估计方案，通过引入退火离散去噪器揭示并验证了其在高度相关测量下抑制自噪声的机制与实际适用性。
2024-11-13 cs.IT eess.SP math.IT
Parameter Estimation Procedures for Exponential-Family Random Graph Models on Count-Valued Networks: A Comparative Simulation Study
本文提出一种用于计数网络ERGMs的高效可并行子采样MPLE方案，通过模拟比较表明其在大方差网络中兼具高估计质量与计算效率，且作为MCMLE种子方法优于CD。
2023-07-29 cs.SI stat.CO stat.ME
Generalized regression operator estimation for continuous time functional data processes with missing at random response
在本文中，我们感兴趣的非参数核估计的广义回归函数，包括条件累积分布和条件分位数函数，基于不完全样本$(X_t, Y_t, ζ_t)_{t\in \mathbb{ R}^+}$副本的连续时间平稳遍历过程$(X, Y, ζ)$。预测器$X$在某个无限维空间中赋值，而实值过程$Y$在$ζ= 1$时被观察到，并且在$ζ= 0$时缺失。建立了估计量的逐点相合性和一致相合性（含率），以及一个中心极限定理。还提供了条件偏差和渐近二次误差。本文还讨论了广义回归函数的渐近和自举置信区间。第一个模拟研究进行比较的离散时间的连续时间的估计。第二个模拟也进行了讨论的最佳采样网格在连续时间的情况下的选择。最后，值得注意的是，我们的结果是在遍历假设下陈述的，没有假设任何经典的混合条件。
2021-10-15 math.ST stat.ME stat.TH
Generalized Multi-Linear Models for Sufficient Dimension Reduction on Tensor Valued Predictors
本文针对张量值预测变量，基于二次指数族建模条件分布，提出广义多线性充分降维方法，并证明其理论性质与高效计算，在模拟和真实数据中表现优越。
2025-02-27 stat.ME
Uncovering latent structure in valued graphs: A variational approach
随着越来越多的网络结构数据集的出现，有值图的统计分析已成为一个普遍的问题。寻找潜在结构是用来更好地理解网络行为的众多策略之一。对于二元情况，已经存在几种方法。我们提出了一个基于模型的策略来发现有价值的图中的节点组。该框架可用于广泛的参数随机图模型，并允许包含协变量。变分工具使我们能够实现这些模型参数的近似极大似然估计。我们提供了一个模拟研究表明，我们的估计方法在广泛的情况下表现良好。我们应用这种方法来分析森林生态系统中的寄主-寄生虫相互作用网络。
2010-11-08 stat.AP
Classical Widely Linear Estimation of Real Valued Parameter Vectors in Complex Valued Environments
这项工作调查的任务，估计一个实值参数向量的基础上复杂的测量值在一个经典的设置。标准估计量的应用一般会导致实值参数向量的复值估计。为了避免这种系统误差，广泛的线性经典估计，产生实际值的估计进行了研究。这些估计之一是广泛的线性最小二乘（WLLS）估计在这项工作中提出的，它不利用任何噪声统计。此外，我们介绍了最佳宽线性无偏估计（BWLUE）的实值参数向量。建议的估计一般优于他们的标准同行LS估计和BWLUE，分别，他们只需要一半的复值测量。我们比较新的方法，标准的经典估计在两个应用场景。这些应用之一考虑基于系统的幅度和相位响应的噪声测量的实值冲激响应的估计。对于这个问题，我们提出了一个新的两步方法的基础上引入广泛的线性概念，优于标准的估计。
2017-04-28 math.ST stat.TH
Nonparametric Linear Discriminant Analysis for High Dimensional Matrix-Valued Data
本文提出了一种非参数线性判别分析方法，用于高维矩阵值数据的分类，通过非参数最大似然估计提升分类性能。
2025-12-17 stat.AP stat.ME stat.ML
Lasso Estimation of an Interval-Valued Multiple Regression Model
近年来，人们提出了一种考虑了区间的宽度和展度之间所有交叉关系的多元区间值线性回归模型。将一个带不等式约束的二次最优化问题转化为一个线性互补问题，用Lemke算法求解，实现了回归参数的最小二乘估计，由于某些交叉关系的不相关性，提出了一种替代估计方法--最小绝对收缩选择算子（LASSO）。提供了一个比较研究，显示拟议的估计之间的差异。
2016-02-07 math.ST stat.TH
Recurrent Estimation of Distributions
Carnegie Mellon University（卡内基梅隆大学）
本文提出了一种半参数形式的实值数据模型的回归估计分布（RED）。RED模型将递归神经网络（RNN）用于一般实值数据的密度估计的两种新用途。首先，RNN用于将输入协变量转换为潜在空间，以更好地捕获输入中的条件依赖性。之后，使用RNN计算潜在协变量的条件分布。由此产生的模型是有效的训练，计算和采样，同时产生规范化的pdf。RED的有效性通过几个真实世界的数据实验。我们的研究结果表明，RED模型在多个数据集大小和维度上实现了比其他神经网络方法更低的保持负对数似然。通过考虑异常检测任务，我们还观察到比替代模型更好的性能，提供了RED功效的进一步背景。
2017-05-30 cs.LG stat.ML
Modelling Volatility of Spatio-temporal Integer-valued Data with Network Structure and Asymmetry
提出带网络结构与阈值机制的空间GARCH型模型，用于动态时空整数值数据的非对称波动率建模，并建立MLE渐近理论。
2024-09-18 stat.ME
On Linear Regression for Interval-valued Data in $\mathcal{K}_{\mathcal{C}}\left(\mathbb{R}\right)$
研究区间值线性回归已有一段时间了。本文在随机集的框架下研究了区间值数据的线性回归。我们提出的模型推广了一系列现有的模型。我们建立了$\mathbb{R}$的紧凸子集空间中的模型的重要性质，类似于经典的线性回归。此外，我们进行了理论研究，在文献中广泛使用的最小二乘估计。一个模拟研究，支持我们的定理。最后，一个气候数据集的应用程序，以证明我们的模型的适用性。
2015-06-10 stat.ME
Generation-Powered Inference for Distribution-Valued Outcomes
Department of Biostatistics, Epidemiology and Informatics University of Pennsylvania（宾夕法尼亚大学生物统计学、流行病学与信息学系）
该研究提出生成驱动推断（GPI）框架，用于利用辅助生成模型改进分布值参数的推断，经模拟和K562细胞的Perturb-seq研究验证，其效率更高且在模型误设下表现稳健。
2026-08-17 stat.ME stat.ML
Efficient Online Set-valued Classification with Bandit Feedback
Binghamton University（宾汉姆顿大学）
针对老虎机反馈下真实标签不可见、校准数据稀疏的问题，提出BCCP框架，以无偏估计和随机梯度下降实现在线集值分类，并提供类别特定覆盖率保证。
2024-05-07 cs.LG stat.ML
Estimating Derivatives of Function-Valued Parameters in a Class of Moment Condition Models
我们开发了一个通用的方法来估计的衍生物的函数值参数$θ_o(u)$，确定为每个值的$u$作为解决方案的时刻条件。这个设置特别涵盖了条件分布的许多有趣的模型，例如分位数回归或分布回归。利用$θ_o(u)$解决了矩条件，我们从隐函数定理得到了其导数的显式表达式，并通过适当的样本模拟来估计该表达式的分量，这需要使用（局部线性）光滑。然后，我们的估计可以用于各种目的，包括估计的条件密度函数，分位数部分效应，和结构拍卖模型在经济学。
2016-10-28 stat.ME
Matrix-variate integer-valued autoregressive processes
本文针对社会学和经济学中矩阵值整数值时间序列的建模需求，提出矩阵值整数值自回归模型，通过左右矩阵薄化算子定义模型，研究其性质，开发投影与迭代最小二乘估计，并证明其优于现有模型。
2025-09-09 math.ST stat.TH
Best Widely Linear Unbiased Estimator for Real Valued Parameter Vectors
在经典的线性模型参数估计中，通常采用最佳线性无偏估计（BLUE）来估计确定性但未知的参数向量。在实值参数向量但复值测量矩阵和噪声向量的情况下，BLUE导致复值估计，引入系统误差。近年来，复估计的线性估计得到了广泛的研究。在这项工作中，一个新的广泛的线性经典估计，它结合了知识，参数向量是实值。所提出的估计是无偏的，在经典意义上，它优于BLUE和最佳广泛线性无偏估计（BWLUE）的向量估计的元素的方差。
2016-12-13 math.ST stat.TH
A new matrix-variate integer-valued autoregressive process with matrical negative binomial thinning
School of Mathematics and Statistics, Changchun University of Technology（长春工业大学数学与统计学院）；School of Mathematics, Jilin University（吉林大学数学学院）
本文针对矩阵值整数时间序列的过度离散问题，提出带矩阵负二项稀疏的新型整数自回归模型，开发两种估计方法并验证其性能，该模型拟合效果优于两类对比模型。
2026-08-25 math.ST stat.TH
Concentration inequalities for correlated network-valued processes with applications to community estimation and changepoint analysis
网络值时间序列是目前网络数据的一种常见形式。然而，网络值随机过程生成的网络序列的聚集行为的研究相对较少。大多数现有的研究集中在简单的设置，其中网络在时间上是独立的（或条件独立的），并且所有的边在每个时间步同步更新。本文研究了由惰性网络值随机过程生成的网络序列的聚集邻接矩阵和相应的Laplacian矩阵的集中性质，其中边的更新是异步的，每条边的更新都遵循惰性随机过程，且与其它边的更新无关.我们证明了这些浓度的有用结果证明社区估计和变点估计问题的标准估计的一致性。我们还进行了模拟研究，以证明懒惰参数，它控制的时间相关性的程度，社区和变点估计的准确性的效果。
2022-08-02 math.PR math.ST stat.ML
Estimation methods of Matrix-valued AR model
针对现有高维时间序列模型估计技术的局限，本文提出适配Yule-Walker方程与Burg方法的MAR模型估计法，实证显示其拟合效果与VAR模型相当，可用于构建高效可解释的复杂时序模型。
2025-05-21 math.ST stat.ML stat.TH
Respondent privacy and estimation efficiency in randomized response surveys for discrete-valued sensitive variables
在一些社会经济调查中，收集的数据涉及逃税、刑事定罪、吸毒等敏感或污名化问题。一些研究人员已经研究了隐私保护问题或受访者的危害调查的二分法人口，其中的目标是估计比例的人轴承的敏感特性。然而，当所研究的变量采用离散数值，而调查的目的是估计这一变量的总体平均值时，对答卷人的保护情况还知之甚少。在这篇文章中，我们研究这个问题。我们首先提出了一个随机化设备，这种情况下，并给出相应的估计过程。接下来，我们提出了一个衡量的隐私，并表明，给定一定的规定水平的这种隐私措施，我们可以确定参数的随机化设备，以最大限度地提高估计的效率，同时保证所需的隐私保护水平。特别是，我们的研究还涵盖了多裂种群的情况下，我们可以估计属于不同类的个人的比例。因此，二分法人口的结果如下的推论。
2013-03-21 math.ST stat.TH
Consistency of some sequential experimental design strategies for excursion set estimation based on vector-valued Gaussian processes
本文扩展了逐步不确定性减少序贯设计的一致性结果至向量值高斯过程，澄清了连续高斯过程与高斯测度的联系，并应用于极值集估计的不确定性泛函。
2023-10-11 math.PR math.ST stat.ML
Size-Location Correlation for Set-Valued Processes: Theory, Estimation, and Laws of Large Numbers under $ρ$-Mixing
Institute of Information Technology, Vietnam Academy of Science and Technology（越南科学技术院信息技术研究所）
本文提出了一种基于支撑函数的变分框架，用于分析集合值过程的大小-位置相关性，引入了新的依赖度量并建立了大数定律。
2026-03-09 math.PR math.ST stat.TH
Asymmetric Matrix-Valued Covariances for Multivariate Random Fields on Spheres
矩阵值协方差函数是多元空间数据地统计建模的关键。多元协方差函数对称性的经典假设是有叠加限制的，在实际数据应用中被认为是不现实的。尽管如此，关于非对称协方差函数的文献一直非常稀少。特别是，有一些工作涉及到非对称协方差的欧几里得空间，取决于欧几里得距离。然而，对于在地球大部分地区收集的数据，最自然的空间域是球体，相应的测地距离是自然度量。在这项工作中，我们提出了一个策略的基础上，空间旋转，以产生非对称协方差的多元随机场上的$d$维单位球。我们说明，通过模拟以及真实的数据分析，我们的建议可以实现改进的预测性能相比，对称的。
2017-06-23 math.ST stat.TH
Nonparametric Estimation of Low Rank Matrix Valued Function
Georgia Institute of Technology（佐治亚理工学院）
设$A:[0,1]\rightarrow\mathbb{H}_m$（Hermitian矩阵空间）是一个低秩的矩阵值函数，其元素在Hölder类$Σ(β,L)$中.本文的目的是研究基于回归模型$\mathbb{E}(Y_j|τ_j,X_j) = \langle A(τ_j), X_j \rangle,$的$A$的统计估计，其中$τ_j$是i.i.d.均匀分布在$[0,1]$中，$X_j$为i.i.d.。矩阵完备采样矩阵$Y_j$是独立有界响应。我们提出了一个创新的核范数惩罚局部多项式估计，并建立了一个上界的点的风险Frobenius范数测量。然后，我们推广这个估计的整体和证明了一个上界的综合风险衡量的$L_2$ -范数。我们还提出了另一种新的估计偏差减少内核的基础上研究的情况下，$A$不一定是低秩和建立一个上限的风险衡量的$L_{\infty}$ -范数。我们表明，所获得的利率都是最佳的一些对数因子在极大极小意义下。最后，我们提出了一个自适应估计过程的基础上Lepskii的方法和模型选择与数据分裂，这是计算效率高，易于实现和并行化。
2019-04-14 cs.LG math.ST stat.ML
Density power divergence for general integer-valued time series with multivariate exogenous covariate
本文研究了一类整数值时间序列模型的稳健估计方法。该过程的条件分布属于一类广泛的分布，与经典的自回归框架不同，该过程的条件均值也依赖于一些多元外生协变量。我们推导出一个强大的推理过程的最小密度功率发散的基础上。在一定的正则性条件下，我们证明了所提出的估计是相合的和渐近正态的。仿真实验表明了该估计器的经验性能。还提供了股票爱立信B的每分钟交易数的应用。
2023-01-30 math.ST stat.TH
Additive Matrix Integer-Valued Autoregressive Model
School of Mathematics and Statistics, Shanxi University（山西大学数学与统计学院）
针对高维矩阵整数值时间序列，提出加性矩阵整数值自回归（Add-MINAR）模型，通过将响应分解为行效应、列效应和滞后效应，增强了参数可解释性和结构灵活性，并发展了投影估计和迭代条件最小二乘估计两种方法。
2026-05-29 math.ST stat.CO stat.TH
Vector-valued Generalised Ornstein-Uhlenbeck Processes
通过朗之万方程$dU_t = - ΘU_t dt + dG_t,$定义的Ornstein-Uhlenbeck过程的推广，例如分数Ornstein-Uhlenbeck过程，最近在文献中受到了很多关注。特别地，在高斯平稳增量噪声$G$下广泛地研究了未知参数$Θ$的估计。朗之万方程以其与物理学的联系而闻名。此外，研究具有一般噪声$G$的Langevin方程的动机还来自于该方程刻画了所有单变量平稳过程的事实。大多数文献的主题集中在一维的情况下，高斯噪声$G$。在这篇文章中，我们考虑的未知模型参数的估计在多维版本的Langevin方程，其中参数$Θ$是一个矩阵和$G$是一个一般的，不一定是高斯，向量值过程的平稳增量。基于代数Riccati方程，我们构造了矩阵$Θ$的一个估计.此外，我们证明了估计的相合性，并在自然假设下得到了它的极限分布。此外，为了激励我们的工作，我们证明了朗之万方程的特点，以及在一个多维设置的所有平稳过程。
2020-11-19 math.ST stat.TH
All-Pass Functions for Mirroring Pairs of Complex-Conjugated Roots of Rational Matrix Functions
我们构造了有理全通矩阵函数的实值系数的镜像对复共轭行列式根的有理矩阵。例如，在证明谱因子分解定理时，或者最近在关于可能不可逆或可能非因果向量自回归移动平均（VARMA）模型的文献中出现了这个问题。一般来说，在单位圆上反映复共轭根的全通矩阵函数（以及因此具有初始实值系数的全通变换有理矩阵）是否具有实值系数并不明显。朴素的构造导致具有复值系数的全通函数，这意味着留下了实值参数空间（通常与估计相关）。
2020-12-06 math.ST stat.TH
Non-Stationary Covariance Functions for Spatial Data on Linear Networks
本文提出了一种适用于线性网络的空间数据非平稳协方差函数，用于建模具有局部各向同性空间依赖性的随机场，并评估了其统计和计算性能。
2026-02-20 math.ST stat.TH
Universal sieve-based strategies for efficient estimation using machine learning tools
假设我们希望在非参数模型下估计底层数据生成机制的一个或多个函数值特征的有限维摘要。估计的一种方法是插入这些特征的灵活估计。不幸的是，在一般情况下，这样的估计可能不是渐近有效的，这往往使这些估计难以作为推理的基础。虽然有几个现有的方法来构建渐近有效的插件估计，每一个这样的方法要么只能使用效率理论的知识，或仅在严格的平滑假设下是有效的。在现有的方法中，筛估计脱颖而出，特别方便，因为效率理论是不需要在他们的建设，他们的调整参数可以选择自适应的数据，他们是普遍的意义上说，同样的适合导致有效的插件估计丰富的一类被估量。受这些理想属性的启发，我们提出了两种新的通用方法来估计函数值的功能，可以使用筛估计理论进行分析。与传统的筛选估计相比，这些方法通过利用可以例如使用机器学习获得的灵活估计，在函数值特征平滑度的更一般条件下有效。
2020-08-26 math.ST stat.ME stat.TH
One-Step Estimation of Differentiable Hilbert-Valued Parameters
本文研究路径可微的 Hilbert 值参数估计，提出交叉拟合一步估计与无再生核情形下的正则化估计及置信集，并给出因果推断相关应用。
2023-09-27 math.ST stat.ME stat.ML
Factor Models of Matrix-Valued Time Series: Nonstationarity and Cointegration
本文针对含共同随机趋势的非平稳矩阵值时间序列，提出矩阵因子模型以挖掘内在结构并降低计算复杂度，推导收敛理论且通过比率准则估计因子规模，模拟与实证验证其有限样本表现。
2025-08-22 econ.EM math.ST stat.TH
Asymptotically Efficient Estimation of Weighted Average Derivatives with an Interval Censored Variable
本文研究了在结果变量或回归变量为区间值的情况下，条件位置泛函（包括条件均值和条件分位数）的加权平均导数的识别和估计.在Manski和Tamer（2002）研究区间数据均值回归的非参数界的基础上，我们刻画了回归函数的加权平均导数集。由于加权平均导数不依赖于回归函数的参数规格，因此所识别的集合定义明确，无需任何参数假设。在一般条件下，所识别的集合是紧的和凸的，因此承认其支撑函数的特征。利用这一特征，我们推导出当结果变量为区间值时支撑函数的半参数效率界。我们通过构造一个有效的估计的支撑函数的情况下，区间删失的均值回归说明有效的估计。
2013-12-20 math.ST stat.ME stat.TH
Time-Uniform Self-Normalized Concentration for Vector-Valued Processes
本文为满足 sub-$ψ$ 尾部条件的多变量过程构造了通用的自归一化集中不等式，推导出紧致的迭代对数上定律，并应用于在线线性回归和自回归建模等统计任务。
2025-05-01 math.PR math.ST stat.ME
Reduce-Rank Matrix Integer-Valued Autoregressive Model
School of Mathematics and Statistics, Shanxi University（山西大学数学与统计学院）；School of Applied Sciences, Taiyuan University of Science and Technology（太原科技大学应用科学学院）
针对高维整数值时间序列下MINAR模型参数冗余、性能下降的问题，提出带低秩约束的RRMINAR模型，搭配迭代条件最小二乘估计，经仿真和犯罪数据实证验证其估计更稳健、预测更精准，还能挖掘结构性时空信息。
2025-09-04 math.ST stat.CO stat.TH
Learning Operators by Regularized Stochastic Gradient Descent with Operator-valued Kernels
School of Mathematical Sciences, Fudan University（复旦大学数学科学学院）；Fudan University（复旦大学）；Shanghai Key Laboratory for Contemporary Applied Mathematics, Fudan University（复旦大学当代应用数学重点实验室）
本文研究了从波兰空间到可分希尔伯特空间的回归算子估计问题，通过正则化随机梯度下降算法在在线和有限时间 horizon 设置下分析 ill-posed 性问题，建立与维度无关的预测和估计误差界，并提供结构预测和参数 PDEs 的应用示例。
2026-09-28 cs.LG math.FA math.ST
