TY - A2的他,不要说非盟-谢,Yanxi AU - Li Yuewen盟——夏,Zhijie盟——燕Ruixia盟——烹调的菜肴,至冬青PY - 2020 DA - 2020/09/15 TI -惩罚h-Likelihood变量广义线性回归模型的选择算法随机效应SP - 8941652六世- 2020 AB -强化学习是机器学习的一个范式和方法开发的计算智能社区。强化学习算法存在一个重大的挑战在复杂的最近动态。在变量选择的角度来看,我们经常遇到的情况太多的变量都包括在完整的模型在建模的初始阶段。由于高维积分和棘手的纵向数据,可能性推理计算具有挑战性。它可以计算收敛很慢甚至nonconvergence等困难,计算量的方法。最近,分层的可能性(h-likelihood)中扮演一个重要角色在推断模型有难以察觉的或未被注意的随机变量。本文与随机效应线性模型意味着结构,提出了一种惩罚h-likelihood算法包含了变量选择程序的设置通过h-likelihood意味着建模。处罚h-likelihood方法避免了混乱的集成为随机效应和计算效率。此外,它演示了在相关的变量选择良好的性能。在理论分析和仿真,证实了惩罚h-likelihood算法产生良好的固定效果的评估结果,可以确定零回归系数均值结构建模。 SN - 1076-2787 UR - https://doi.org/10.1155/2020/8941652 DO - 10.1155/2020/8941652 JF - Complexity PB - Hindawi KW - ER -