最大似然估计的潜变量结构方程模型：一种神经网络方法

原文约200字，阅读约需1分钟。发表于：。

我们提出了一种在线性和高斯假设下对结构方程模型稳定的图形结构，证明了计算这个模型的最大似然估计等价于训练一个神经网络，并实现了基于 GPU 的算法来计算这些模型的最大似然估计。

本研究提出了可伸缩的边缘似然估计方法，用于选择超参数和网络结构。该方法在标准回归和图像分类数据集上表现优异，建立在拉普拉斯方法和高斯牛顿逼近的黑塞矩阵的基础上。