提出分层谱收缩HSS经验贝叶斯框架
热点事件持续更新
提出分层谱收缩HSS经验贝叶斯框架
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
研究者提出 Hierarchical Spectral Shrinkage（HSS），一个可扩展的 empirical-Bayes 框架，用于对任务特定的谱估计量进行部分池化。该方法将各任务的主导谱方向向数据自适应学习到的公共基正则化，并允许收缩程度随任务和谱分量变化。在合成实验和多研究基因表达数据上，HSS 在估计精度和样本外表现上均优于独立估计、完全池化和共享子空间方法。
摘自 arXiv stat.ML
最新进展10月7日 12:00
HSS：跨相关任务的 Empirical-Bayes 谱部分池化方法报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv stat.MLHSS：跨相关任务的 Empirical-Bayes 谱部分池化方法
研究者提出 Hierarchical Spectral Shrinkage（HSS），一个可扩展的 empirical-Bayes 框架，用于对任务特定的谱估计量进行部分池化。该方法将各任务的主导谱方向向数据自适应学习到的公共基正则化，并允许收缩程度随任务和谱分量变化。在合成实验和多研究基因表达数据上，HSS 在估计精度和样本外表现上均优于独立估计、完全池化和共享子空间方法。
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。