提出均匀离散扩散模型的极小极大最优估计理论
热点事件持续更新
提出均匀离散扩散模型的极小极大最优估计理论
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
针对均匀离散扩散模型，研究者证明在 $[K]^d$ 上从 $n$ 个 i.i.d. 样本估计未知分布 $P_0$ 时，期望 TV 损失以 $O(\sqrt{s_n(P_0)/n})$ 缩放，KL 散度上界为 $O(\frac{1}{n}s_n(P_0)\log(eK^d/s_n(P_0))\log n)$，其中 $s_n(P_0)$ 为有效支撑集大小。
摘自 arXiv stat.ML
最新进展10月7日 12:00
均匀离散扩散模型在有效支撑集较小时达到极小极大最优分布估计报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv stat.ML均匀离散扩散模型在有效支撑集较小时达到极小极大最优分布估计
针对均匀离散扩散模型，研究者证明在 $[K]^d$ 上从 $n$ 个 i.i.d. 样本估计未知分布 $P_0$ 时，期望 TV 损失以 $O(\sqrt{s_n(P_0)/n})$ 缩放，KL 散度上界为 $O(\frac{1}{n}s_n(P_0)\log(eK^d/s_n(P_0))\log n)$，其中 $s_n(P_0)$ 为有效支撑集大小。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。