基于神经网络的非线性充分降维(於州)

於州及其博士生陈胤峰、邱锐与武汉大学焦雨领副教授合作研究中,提出了基于神经网络的非线性充分降维方法,并成功应用于数据低维表示的估计。该方法通过借助广义鞅差散度刻画条件独立性,应用深度神经网络拟合非线性充分降维函数,并发展了有限阶U过程理论以深入探究估计量的非渐近收敛性质。与经典的算子特征分解相比,其提出的方法表现出更高的效率和灵活性。相关论文Deep Nonlinear Sufficient Dimension Reduction发表在统计学期刊《Annals of Statistics》


发布者:张瑛发布时间:2025-03-14浏览次数:10