Variance component estimation in linear ill-posed models via null-space projections
Cet article propose un cadre d'estimation des composantes de variance sans régularisation pour les modèles linéaires mal posés qui utilise des projections dans le noyau afin d'éliminer les paramètres inconnus et d'estimer les variances directement à partir de discordances non biaisées, surmontant ainsi le biais, l'instabilité et l'inefficacité computationnelle inhérents aux approches conventionnelles dépendantes de la régularisation.