MétaCan
Menu
Retour à la cohorte
Enregistrement W4410317522 · doi:10.1080/03610926.2025.2495347

Functional partially linear single-index model with beta distribution

2025· article· en· W4410317522 sur OpenAlexfundno aff
Mengyu Zhang, Chao Huang, Fengchang Xie

Notice bibliographique

RevueCommunication in Statistics- Theory and Methods · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods and Inference
Établissements canadiensnon disponible
Organismes subventionnairesDoD Alzheimer's Disease Neuroimaging InitiativeNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchGE HealthcareNational Institutes of HealthGenentechIXICONorthern California Institute for Research and EducationPfizerNovartis Pharmaceuticals CorporationRocheUniversity of Southern CaliforniaBiogenEli Lilly and CompanyBristol-Myers SquibbEisai IncorporatedTakeda Pharmaceutical CompanyAbbVieMerckNational Institute on AgingAlzheimer's AssociationU.S. Department of Defense
Mots-clésBETA (programming language)Single-index modelIndex (typography)MathematicsBeta distributionStatisticsComputer scienceApplied mathematics

Résumé

récupéré en direct d'OpenAlex

.In this work, for depicting the relationship between a bounded scalar response and predictors including both scalars and functions, we develop a functional partially linear single-index model based on beta distribution, which can capture the bounded feature of the response well and also provides more flexibility. Approximating the unknown functions based on B-spline simultaneously, the parametric estimates of the proposed model are obtained. Under some conditions, the asymptotic properties of the resulting estimators, including the consistency and asymptotic normality, are derived. In addition, the finite sample performance of our method is validated through some simulation studies. Meantime, real data from the Alzheimer’s disease neuroimaging initiative (ADNI) study is investigated, and the results show that our proposed model outperforms competitors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,116
Tête enseignante GPT0,447
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication in Statistics- Theory and MethodsMême sujetStatistical Methods and InferenceTravaux en français237 207