Neural networks are becoming an increasingly important tool in applications. However, neural networks are not widely used in statistical genetics. In this paper, we propose a new neural networks method called expectile neural networks. When the size of parameter is too large, the standard maximum likelihood procedures may not work. We use sieve method to constrain parameter space. And we prove its consistency and normality under nonparametric regression framework.
翻译：神经网络正在成为应用中日益重要的工具。 但是,神经网络在统计遗传学中并没有被广泛使用。 在本文中, 我们提议了一种新的神经网络方法, 叫做预期神经网络。 当参数大小太大时, 标准的最大可能性程序可能不会起作用 。 我们使用筛选方法来限制参数空间 。 我们用非参数回归框架来证明它的一致性和正常性 。
相关内容
神经网络（Neural Networks）是世界上三个最古老的神经建模学会的档案期刊:国际神经网络学会(INNS)、欧洲神经网络学会(ENNS)和日本神经网络学会(JNNS)。神经网络提供了一个论坛，以发展和培育一个国际社会的学者和实践者感兴趣的所有方面的神经网络和相关方法的计算智能。神经网络欢迎高质量论文的提交，有助于全面的神经网络研究，从行为和大脑建模，学习算法，通过数学和计算分析，系统的工程和技术应用，大量使用神经网络的概念和技术。这一独特而广泛的范围促进了生物和技术研究之间的思想交流，并有助于促进对生物启发的计算智能感兴趣的跨学科社区的发展。因此，神经网络编委会代表的专家领域包括心理学，神经生物学，计算机科学，工程，数学，物理。该杂志发表文章、信件和评论以及给编辑的信件、社论、时事、软件调查和专利信息。文章发表在五个部分之一:认知科学，神经科学，学习系统，数学和计算分析、工程和应用。
官网地址：http://dblp.uni-trier.de/db/journals/nn/
专知会员服务
35+阅读 · 2019年10月17日
Arxiv
0+阅读 · 2020年12月25日
相关VIP内容
专知会员服务
35+阅读 · 2019年10月17日
相关资讯
相关论文
Arxiv
0+阅读 · 2020年12月25日
微信扫码咨询专知VIP会员