Development of statistical modeling with regularization for large scale data

开发大规模数据正则化的统计模型

基本信息

  • 批准号:
    25730017
  • 负责人:
  • 金额:
    $ 1.33万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)
  • 财政年份:
    2013
  • 资助国家:
    日本
  • 起止时间:
    2013-04-01 至 2016-03-31
  • 项目状态:
    已结题

项目摘要

项目成果

期刊论文数量(32)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Bi-level selectionを用いた関数ロジスティック回帰モデルの推定
使用双层选择的函数逻辑回归模型的估计
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Takeshi Ohkawa;Daichi Uetake;Kanemitsu Ootsu;Takashi Yokota;松井秀俊;植竹 大地,大川 猛,松本 洋平,大津 金光,横田 隆史;松井秀俊
  • 通讯作者:
    松井秀俊
Selection of functional variables and classification boundaries via the sparse group lasso
通过稀疏组套索选择功能变量和分类边界
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Matsui;H.
  • 通讯作者:
    H.
SELECTION OF DECISION BOUNDARIES FOR LOGISTIC REGRESSION
Selection of variable and classification boundary by functional logistic regression
通过函数逻辑回归选择变量和分类边界
  • DOI:
  • 发表时间:
    2014
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Matsui;H.
  • 通讯作者:
    H.
スパース正則化に基づく経時測定データの判別と遺伝子データ解析への応用
基于稀疏正则化的时间测量数据判别及其在遗传数据分析中的应用
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Takeshi Ohkawa;Daichi Uetake;Kanemitsu Ootsu;Takashi Yokota;松井秀俊
  • 通讯作者:
    松井秀俊
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Matsui Hidetoshi其他文献

Classification From Positive and Biased Negative Data With Skewed Labeled Posterior Probability
使用倾斜标记后验概率对正数据和有偏差的负数据进行分类
  • DOI:
    10.1162/neco_a_01580
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    2.9
  • 作者:
    Watanabe Shotaro;Matsui Hidetoshi
  • 通讯作者:
    Matsui Hidetoshi
A note on variable selection in functional regression via random subspace method
关于随机子空间法函数回归中变量选择的注解
  • DOI:
    10.1007/s10260-018-0421-7
  • 发表时间:
    2018
  • 期刊:
  • 影响因子:
    1
  • 作者:
    Smaga Lukasz;Matsui Hidetoshi
  • 通讯作者:
    Matsui Hidetoshi

Matsui Hidetoshi的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Matsui Hidetoshi', 18)}}的其他基金

Formulation of statistical models for longitudinal data and estimation by the sparse regularization
纵向数据统计模型的制定和稀疏正则化估计
  • 批准号:
    16K16020
  • 财政年份:
    2016
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)

相似海外基金

Model Selection for Ultra-high Dimensional and Non-linear Data
超高维和非线性数据的模型选择
  • 批准号:
    21K17715
  • 财政年份:
    2021
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
On model selection criteria under shrinkage estimation in greedy learning
贪心学习中收缩估计下的模型选择标准
  • 批准号:
    18K11433
  • 财政年份:
    2018
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Statistical inference in exploratory data analysis and its application
探索性数据分析中的统计推断及其应用
  • 批准号:
    18K18010
  • 财政年份:
    2018
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
Formulation of statistical models for longitudinal data and estimation by the sparse regularization
纵向数据统计模型的制定和稀疏正则化估计
  • 批准号:
    16K16020
  • 财政年份:
    2016
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)
Developing a theory for model selection in semiparametric statistical analysis
发展半参数统计分析中模型选择的理论
  • 批准号:
    16K00050
  • 财政年份:
    2016
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了