Computationally efficient change point detection for high-dimensional regression (2016)
- Autor:
- Autor USP: LEONARDI, FLORENCIA GRACIELA - IME
- Unidade: IME
- Subjects: INFERÊNCIA PARAMÉTRICA; ESTATÍSTICA APLICADA
- Language: Inglês
- Imprenta:
- Publisher: Associação Brasileira de Estatística - ABE
- Publisher place: São Paulo, SP
- Date published: 2016
- Source:
- Título: Anais
- Volume/Número/Paginação/Ano: MConf2, p. 6
- Conference titles: Simpósio Brasileiro de Probabilidade e Estatística - SINAPE 2016
-
ABNT
LEONARDI, Florencia Graciela. Computationally efficient change point detection for high-dimensional regression. 2016, Anais.. São Paulo, SP: Associação Brasileira de Estatística - ABE, 2016. p. 6. Disponível em: http://www.ime.usp.br/~lsanchez/SINAPE2016/anais_sinape.pdf. Acesso em: 08 out. 2024. -
APA
Leonardi, F. G. (2016). Computationally efficient change point detection for high-dimensional regression. In Anais (p. 6). São Paulo, SP: Associação Brasileira de Estatística - ABE. Recuperado de http://www.ime.usp.br/~lsanchez/SINAPE2016/anais_sinape.pdf -
NLM
Leonardi FG. Computationally efficient change point detection for high-dimensional regression [Internet]. Anais. 2016 ; 6.[citado 2024 out. 08 ] Available from: http://www.ime.usp.br/~lsanchez/SINAPE2016/anais_sinape.pdf -
Vancouver
Leonardi FG. Computationally efficient change point detection for high-dimensional regression [Internet]. Anais. 2016 ; 6.[citado 2024 out. 08 ] Available from: http://www.ime.usp.br/~lsanchez/SINAPE2016/anais_sinape.pdf - Some upper bounds for the rate of convergence of penalized likelihood context tree estimators
- Cadeias estocásticas parcimoniosas com aplicações à classificação e filogenia das seqüências de proteínas
- Advances in probability and mathematical statistics
- Estimadores regularizados para problemas de alta dimensão
- Estatística para dados em alta dimensão
- Loss of memory of hidden Markov models and Lyapunov exponents
- Nonparametric statistical inference for the context tree of a stationary ergodic process
- Comments on: a random forest guided tour
- Change point detection for high-dimensional regression data with l1-regularization
- Seleção de modelos para segmentação de sequências em alta dimensão
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
