Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Lee, Hangbin"'
There is a growing interest in subject-specific predictions using deep neural networks (DNNs) because real-world data often exhibit correlations, which has been typically overlooked in traditional DNN frameworks. In this paper, we propose a novel hie
Externí odkaz:
http://arxiv.org/abs/2310.11654
Autor:
Lee, Hangbin, Lee, Youngjo
Stein's (1959) problem highlights the phenomenon called the probability dilution in high dimensional cases, which is known as a fundamental deficiency in probabilistic inference. The satellite conjunction problem also suffers from probability dilutio
Externí odkaz:
http://arxiv.org/abs/2310.09960
Autor:
Lee, Hangbin, Lee, Youngjo
The maximum likelihood estimation is widely used for statistical inferences. This paper aims to reformulate Lee and Nelder's (1996) h-likelihood, so that the maximum h-likelihood estimator resembles the maximum likelihood estimator of the classical l
Externí odkaz:
http://arxiv.org/abs/2310.09955
For prediction of clustered time-to-event data, we propose a new deep neural network based gamma frailty model (DNN-FM). An advantage of the proposed model is that the joint maximization of the new h-likelihood provides maximum likelihood estimators
Externí odkaz:
http://arxiv.org/abs/2307.06581
We use a logical device called the Dutch Book to establish epistemic confidence, defined as the sense of confidence \emph{in an observed} confidence interval. This epistemic property is unavailable -- or even denied -- in orthodox frequentist inferen
Externí odkaz:
http://arxiv.org/abs/2104.14712
Publikováno v:
Scandinavian Journal of Statistics. Dec2023, Vol. 50 Issue 4, p1859-1883. 25p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.