A fast and reliable method for the comparison of covariance matrices

A fast and reliable method for the comparison of covariance matrices

Covariance matrices are important tools for obtaining reliable parameter constraints. Advancements in cosmological surveys lead to larger data vectors and, consequently, increasingly complex covariance matrices, whose number of elements grows as the square of the size of the data vector. The most st...

Mô tả đầy đủ

Chi tiết về thư mục
Những tác giả chính:	Ferreira, T, Marra, V
Định dạng:	Journal article
Ngôn ngữ:	English
Được phát hành:	Oxford University Press 2022

Những quyển sách tương tự

A simple procedure for the comparison of covariance matrices
Bằng: Garcia Carlos
Được phát hành: (2012-11-01)

Fast reliable algorithms for matrices with structure /
Bằng: Kailath, Thomas, et al.
Được phát hành: (1999)

Comparison between two types of large sample covariance matrices
Bằng: Pan, Guangming
Được phát hành: (2014)

Needs of reliable nuclear data and covariance matrices for Burnup Credit in JEFF-3 library
Bằng: Lecarpentier D., et al.
Được phát hành: (2013-03-01)

Estimation of functionals of sparse covariance matrices
Bằng: Fan, Jianqing, et al.
Được phát hành: (2018)

Structural analysis of covariance and correlation matrices /
Bằng: 218682 Joreskog, K. G.

Assessing trait covariation and morphological integration on phylogenies using evolutionary covariance matrices.
Bằng: Dean C Adams, et al.
Được phát hành: (2014-01-01)

Local Laws for Sparse Sample Covariance Matrices
Bằng: Alexander N. Tikhomirov, et al.
Được phát hành: (2022-07-01)

Improving the condition number of estimated covariance matrices
Bằng: Jemima M. Tabeart, et al.
Được phát hành: (2020-01-01)

A Deep Learning Method for DOA Estimation with Covariance Matrices in Reverberant Environments
Bằng: Qinghua Huang, et al.
Được phát hành: (2022-04-01)

Constrained Covariance Matrices With a Biologically Realistic Structure: Comparison of Methods for Generating High-Dimensional Gaussian Graphical Models
Bằng: Frank Emmert-Streib, et al.
Được phát hành: (2019-04-01)

Topics in spectral analysis of large sample covariance matrices
Bằng: Lin, Zeqin
Được phát hành: (2024)

Application of nuclear data covariance matrices to representativity calculations
Bằng: Grimaldi Federico, et al.
Được phát hành: (2024-01-01)

Element Aggregation for Estimation of High-Dimensional Covariance Matrices
Bằng: Jingying Yang
Được phát hành: (2024-03-01)

Testing the equality of multiple high-dimensional covariance matrices
Bằng: Jieqiong Shen
Được phát hành: (2022-08-01)

Commutativity of spatiochromatic covariance matrices in natural image statistics
Bằng: Yiye Jiang, et al.
Được phát hành: (2020-05-01)

Random sampling and validation of covariance matrices of resonance parameters
Bằng: Plevnik Lucijan, et al.
Được phát hành: (2017-01-01)

An 'average information' restricted maximum likelihood algorithm for estimating reduced rank genetic covariance matrices or covariance functions for animal models with equal design matrices
Bằng: Meyer K
Được phát hành: (1997-05-01)

Free Probability, Sample Covariance Matrices and Stochastic Eigen-Inference
Bằng: Edelman, Alan, et al.
Được phát hành: (2005)

Universality for the largest eigenvalue of sample covariance matrices with general population
Bằng: Bao, Zhigang, et al.
Được phát hành: (2015)

Estimation of Fuzzy Measures Using Covariance Matrices in Gaussian Mixtures
Bằng: Nishchal K. Verma
Được phát hành: (2012-01-01)

Cholesky GAS models for large time-varying covariance matrices
Bằng: Tingguo Zheng, et al.
Được phát hành: (2024-03-01)

Conservative Quantization of Covariance Matrices with Applications to Decentralized Information Fusion
Bằng: Christopher Funk, et al.
Được phát hành: (2021-04-01)

Homogeneity Test of Multi-Sample Covariance Matrices in High Dimensions
Bằng: Peng Sun, et al.
Được phát hành: (2022-11-01)

Characteristic polynomials of sample covariance matrices: The non-square case
Bằng: Kösters Holger
Được phát hành: (2010-08-01)

Information Covariance Matrices for Multivariate Burr III and Logistic Distributions
Bằng: Gh. Yari, et al.
Được phát hành: (2008-08-01)

Inferring the eigenvalues of covariance matrices from limited, noisy data
Bằng: Everson, R, et al.
Được phát hành: (2000)

Performance of penalized maximum likelihood in estimation of genetic covariances matrices
Bằng: Meyer Karin
Được phát hành: (2011-11-01)

Genotypic covariance matrices and their inverses for models allowing dominance and inbreeding
Bằng: Mäki-Tanila A, et al.
Được phát hành: (1990-03-01)

HighFrequencyCovariance: A Julia package for estimating covariance matrices using high frequency financial data
Bằng: Baumann, S, et al.
Được phát hành: (2022)

HighFrequencyCovariance: A Julia Package for Estimating Covariance Matrices Using High Frequency Financial Data
Bằng: Stuart Baumann, et al.
Được phát hành: (2022-08-01)

A Projection Method for the Estimation of Error Covariance Matrices for Variational Data Assimilation in Ocean Modelling
Bằng: Jose M. Gonzalez-Ondina, et al.
Được phát hành: (2021-12-01)

Fast Methods for Computing the $p$-Radius of Matrices
Bằng: Jungers, Raphael M., et al.
Được phát hành: (2011)

Robust inference on parameters via particle filters and sandwich covariance matrices.
Bằng: Shephard, N, et al.
Được phát hành: (2012)

Central limit theorem for the spiked eigenvalues of separable sample covariance matrices
Bằng: Zhang, Bo
Được phát hành: (2017)

Asymptotic Behavior of the Likelihood Function of Covariance Matrices of Spatial Gaussian Processes
Bằng: Ralf Zimmermann
Được phát hành: (2010-01-01)

Calculated covariance matrices for fission product yields using BeoH
Bằng: Lovell A. E., et al.
Được phát hành: (2023-01-01)

Identification of Noise Covariance Matrices to Improve Orientation Estimation by Kalman Filter
Bằng: Alexis Nez, et al.
Được phát hành: (2018-10-01)

Video based object representation and classification using multiple covariance matrices.
Bằng: Yurong Zhang, et al.
Được phát hành: (2017-01-01)

Bayesian Updating of Material Balances Covariance Matrices Using Training Data
Bằng: T. Burr, et al.
Được phát hành: (2014-01-01)