Variance component estimation in linear ill-posed models via null-space projections
Dieses Papier schlägt ein Regularisierung ohne Varianzkomponenten-Schätzung für lineare schlecht gestellte Modelle vor, das Nullraumprojektionen nutzt, um unbekannte Parameter zu eliminieren und Varianzen direkt aus unverzerrten Fehlbeurteilungen zu schätzen, wodurch die der konventionellen regularisierungsabhängigen Ansätze inhärente Verzerrung, Instabilität und Rechenineffizienz überwunden wird.