全可见玻尔兹曼机最大伪似然估计量的渐近正态性
统计计算
2014-09-30 v1 统计理论
统计理论
摘要
玻尔兹曼机 (BMs) 是一类二元神经网络，针对其已有多种提出的估计方法。最近研究表明，在玻尔兹曼机的全可见情形下，最大伪似然估计 (MPLE) 方法得出的参数估计量在概率意义上是一致的。在本文中，我们进一步研究了全可见玻尔兹曼机 MPLE 的性质，并证明了 MPLE 也能产生渐近正态的参数估计量。这些结果可用于构建置信区间和检验统计假设。我们通过模拟研究展示了该估计量的表现符合预期，从而支持了我们的理论结果。
引用
@article{arxiv.1409.8047,
title = {Asymptotic Normality of the Maximum Pseudolikelihood Estimator for Fully Visible Boltzmann Machines},
author = {Hien D. Nguyen and Ian A. Wood},
journal= {arXiv preprint arXiv:1409.8047},
year = {2014}
}