受限制极大似然估计的全向下降最小化方法
摘要：受舍村和高山学派的启发，他们最近开发了一种非常有趣的最小化方法，称为全同梯度下降法（HGD）。它通过一个目标全同函数满足的巴菲恩微分方程和迭代优化方法的混合使用来实现。他们成功地将该方法应用于多个在过去无法解决的最大似然估计（MLE）问题上。另一方面，在统计模型中，参数受到约束并不罕见，因此具有约束条件的MLE无疑是统计学中的基础性主题之一。在本文中，我们为MLE开发了带约束的HGD方法。
作者：Rieko Sakurai, Toshio Sakata
论文ID：1309.1246
分类：Computation
分类简称：stat.CO
提交时间：2013-09-06