检测到您当前使用浏览器版本过于老旧，会导致无法正常浏览网站；请您使用电脑里的其他浏览器如：360、QQ、搜狗浏览器的极速模式浏览，或者使用谷歌、火狐等浏览器。
下载Firefox
我院博士生陈铄雳（第一作者）与导师贺诗源、何珂俊助理教授在 Technometrics 期刊发表论文 Bayesian Nonlinear Tensor Regression with Functional Fused Elastic Net Prior.
论文概述
张量回归方法被广泛用于从多路形式的协变量中预测标量响应。在许多应用中，用于预测的张量协变量的区域往往在空间上是相连的，且具有未知的形状和边界上不连续的跳跃。此外，响应和张量协变量之间的关系可能是非线性的。在这篇文章中，作者提出了一个非线性贝叶斯张量可加回归模型来处理这种空间结构。为可加模型的分量函数提出了一个函数型的融合弹性网络先验，以全面地应对非线性、空间平滑性以及检测不连续的跳跃，并同时识别张量的活跃区域。通过模拟实验和对面部特征数据的分析，表明了较之于其他方法，该法具有巨大灵活性和可解释性。
发表页面
作者简介
（1）陈铄雳，中国人民大学统计与大数据研究院2018级博士生。
（2）何珂俊（通讯作者），中国人民大学统计与大数据研究院助理教授。
（3）贺诗源，中国人民大学统计与大数据研究院助理教授。
（4）Yang Ni, Assistant Professor, Department of Statistics, Texas A&M University.
（5）Raymond K. W. Wong, Associate Professor, Department of Statistics, Texas A&M University.
