Variance component estimation in linear ill-posed models via null-space projections
Questo articolo propone un framework di stima dei componenti di varianza privo di regolarizzazione per modelli lineari mal condizionati che utilizza proiezioni dello spazio nullo per eliminare i parametri ignoti e stimare le varianze direttamente da discrepanze non corrette, superando così il bias, l'instabilità e l'inefficienza computazionale inerenti agli approveri approcci convenzionali dipendenti dalla regolarizzazione.