带噪声输入的删失回归

估计审查回归模型的参数引起了很多兴趣，如果测量设备无法提供给定或高于给定水平的真实测量值，则在常规回归情况下会出现这种情况。 但是，大多数以前的工作都是基于回归器（系统输入）无噪声的假设，这在许多实际应用中并不总是正确的。 在本文中，我们着重于估计更一般的删失回归模型的参数，该模型允许回归器以及在有噪声的情况下观察到的响应。 在这种情况下，普通的最小二乘估计量会受到严重的偏见，这也受到审查输出和噪声输入的影响。 为了解决该问题，我们开发了一种有效的偏差补偿Heckman算法（BC-Heckman），用于带有噪声输入的删失回归。 BC-Heckman能够显着降低偏差，从而胜过先前提出的算法。 此外，我们还将算法扩展到分布式场景，在该场景中，数据分布在形成网络的许多传感器节点上。 理论分析结果表明，BC-Heckman算法具有良好的收敛性和稳态行为，仿真实验进一步证明了该算法的良好性能。