本文提出了两种启发式策略,通过动态规划建立了最优总成本的下界,研究了信息获取率和可靠性的极限,证明了第一个启发式方法的渐近最优性,同时分析了第二个启发式方法在有噪声动态搜索问题中的性能。
Mar, 2012
本文研究小样本通用假设检验问题,提出基于大偏差分析的广义误差指数性能准则,并通过一些结论表明,这一方法优于渐近一致性或中心极限定理分析。
Apr, 2012
该研究提出一种控制选择性 I 型错误的方法,以恢复经典情境下适用的选定假设的长期频率性质,推导出一些用于指数家族模型的最强无偏选择性检验和置信区间以及线性回归模型的新型选择性 z 和 t 检验。
Oct, 2014
这篇论文研究了在线控制 FDR 的问题,提出了一种广义的 Alpha-investing 过程,并证明了在规定条件下其能控制 FDR 同时也能控制假阳性探查率,并进一步开发了一组修改版的程序,以控制异常假发现的问题。
Mar, 2016
该论文探讨了实验设计与控制之间的强关系,重点强调了实验设计在估计器演变性质中的作用,同时还讨论了实验设计在非参数模型下的统计学习和预测中的应用。
Feb, 2008
该研究使用基于深度学习的启发式和 KL 分歧零和游戏设计方法来解决部分可观测马尔可夫决策过程中的主动序贯假设测试问题,并表明在某些情况下所提出的启发式方法优于现有方法。
Oct, 2018
研究了一种检测异质进程中异常的主动推理问题。提出了一种序贯探测策略,动态地确定每个时间要观察哪些进程以及何时终止搜索。提出了一种低复杂度的确定性测试,其渐近最优性与 Chernoff 测试相同,但在有限范围内性能更好,收敛更快,特别是当进程数量很大时,所提出的测试的计算复杂度也非常低。
Apr, 2017
本文研究了在现代科学应用中出现的多重检验问题,其中可以利用先前的信息来对假设进行排名,以增加发现的数量并控制错误发现率,提出了一种基于累积检验的新方法,HingeExp 方法,相比现有技术具有更高的真实信号检测能力。
May, 2015
该论文研究带有重叠假设的顺序检测问题,在考虑一些特定的问题,如评估高斯分布的平均值是否小于或大于固定值时,我们提供了概率近似正确的最佳臂识别算法的复杂度,还在更加通用的测试问题上提出了一个并行广义似然比测验的非渐近误差上界,并根据信息论提出了更改度量引理的两个版本,进而提出了识别正确假设所需观察次数的下界。
May, 2019
本文研究了安全关键的物理系统所需的控制策略,通过建模系统中的不确定性和模型干扰,提出了一种近似控制和学习框架,并对其进行了数学分析和算法设计。
Mar, 2023