Bayes 微调 Gauss 之处：用于稳定多偶极子估计的条件高斯先验
应用统计
2020-06-09 v1 定量方法
统计方法学
摘要
我们提出对先前描述的从脑磁图/脑电图数据估计多个偶极子的模型与算法的极简却有力的推广。具体而言，该推广在于对一组条件线性/高斯变量的标准差引入对数均匀超先验。我们使用数值模拟与实验数据集表明，后验分布的近似在超参数的宽泛取值范围内保持极度稳定，几乎消除了对超参数的依赖。
引用
@article{arxiv.2006.04141,
title = {Where Bayes tweaks Gauss: Conditionally Gaussian priors for stable multi-dipole estimation},
author = {Alessandro Viani and Gianvittorio Luria and Harald Bornfleth and Alberto Sorrentino},
journal= {arXiv preprint arXiv:2006.04141},
year = {2020}
}
备注
23 pages, 8 figures