.png){kind=icon}
返回
Deep Learning for Variable Selection in Nonparametric Spatial Autoregressive Tobit Models
.png){kind=icon}
PRE
AI
DOI：10.1007/s11067-026-09733-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习以其解决复杂问题和处理大规模数据的卓越能力而闻名。其核心优势在于无需手动特征提取即可自动学习复杂的数据表示，并能处理非线性关系和海量数据集。为利用深度学习在特征空间中捕捉复杂结构特征的优势，我们研究了基于似然的非参数空间自回归Tobit模型中的变量选择问题，并提出了NSTVSNet算法。该算法结合了Lasso的稀疏性与神经网络的非线性逼近能力，通过将Lasso惩罚项整合到具有空间效应的残差网络中实现特征选择。通过引入一组辅助变量，将变量选择问题转化为参数优化挑战。模拟实验和真实数据分析验证了该方法的有效性。
Keyword:
Deep learning
Variable selection
Nonparametric spatial autoregressive Tobit models
期刊
N
IF:
1.5
论文数:
49
被引数:
0
机构
引用论文
暂无论文信息