本文介绍了一种既可证明有效，又实用的主题模型推断算法，可用于降维、探索性数据分析，速度较之前的 MCMC 算法快得多。

Dec, 2012

介绍了一种利用主题模型构建线性估算器为推理设计可证明算法的方法。

May, 2016

通过非标准的参数化最大后验概率估计，基于块对角矩阵逼近提出了一种基于似然函数的模型选择方法，同时辅以残差离散度估计来度量模型的拟合程度，并提供了实例来说明模型选择和与标准技术的比较。

Sep, 2011

本文提供了在高维情况下学习高斯混合物的准确最小值界限和基本限制，研究表明，如果存在决定均值分离的随机维度的稀疏子集，则样本复杂度只取决于相关维度的数量和平均分离，可通过简单的计算有效过程来实现；结果为最近结合特征选择和聚类的方法提供了理论基础的第一步。

Jun, 2013

本文研究数据保护与统计估计之间的平衡，开发了私有版本的信息熵界限，提出了一些新的基于隐私保护机制和计算效率估计，并给出了一些实验结果，证明了这些过程的重要性。

Apr, 2016

该研究论文研究了高斯向量模型中的估计和测试问题，通过建立极小值分离距离和引入极小值自适应测试，实现了估计和测试，同时展示了最优算法和估计稀疏性的新方法，为各种统计模型的信号复杂度的估计提供了指导说明。

Mar, 2017

本文提出了一种新的带罚项的最小二乘估计器，用于发射分布的非参数估计，并证明了其可以达到速率最小极致适应性。该方法基于逐步增加复杂度的嵌套子空间的发射分布的投影，最新的模拟表明了最小二乘估计法的改进。

Jan, 2015

在独立样本的基础上，通过多项式逼近构建最优估计器并证明了最小均方误差与自然对数的平方存在关系，进而推导出最小样本量与以 K 为底的对数的比例成正比的一般规律.

Jul, 2014

研究如何检测在被加性高斯噪声污染的大矩阵中具有提高平均值的小子矩阵的最小极小方法，考虑复杂度理论角度的统计性能和计算成本之间的平衡问题，得出当矩阵规模 p→无穷大时，当子矩阵大小 k =Θ(pα) 时，计算复杂度会对统计性能造成严重的惩罚，并且关于支持恢复的困难程度也得出了结果。

Sep, 2013

本文提出了一种构建广义极小极大估计器的方法，以及一个基于多项分布的特殊案例。并在熵和互信息估计领域展示了这一方法的实用性和优势。

Jun, 2014