May, 2023

不确定多变量系统的推断矩

PDF
TL;DR该文章提出了使用推断矩的一种新范例分析不确定的多变量系统的行为。推断矩可以更好地描述分布对新信息的响应，同时可以应用于改进感知和决策。
inferential momentsuncertain multivariable systemsmarginalizationinferential deviationbayesian network
发现论文，激发创造
  • 动量多校准方法用于不确定性估计

    通过多校准算法，我们不仅能预测标签分布的期望值，还能预测更高阶矩，这为在各个子群体上估计不确定性和诊断特征的不公平性提供了一个原则性的方法。

    Aug, 2020

  • 独立随机变量函数的矩不等式

    本文提出了一种泛化的基于张量不等式的新熵方法，用于获得独立随机变量函数的矩不等式，这些不等式证明是一种广泛应用的工具。作者以一种轻松的方式重新推导出一些经典不等式，并讨论了该方法的其他应用。

    Mar, 2005

  • 超越常规：互信息估计评估

    本文构建了一个多样的分布族，展示了语言无关基准平台用于互信息估计器的实用性和局限性，并提出了适应问题困难度的适当估计器的选择指南及应用估计器时需要考虑的问题。

    Jun, 2023

  • 数据重新加权之外的估计：矩核方法

    提出了一种去除了原有约束的方法的方法，称之为核矩法，并将其用于条件矩限制问题上并取得一定的实验结果。

    May, 2023

  • 半参数联合分布估计中的排名似然推广

    这篇论文提供了一种基于边际集似然函数的半参数推断方法，用于分析具有不同类型的多元数据，如二进制、次序和连续型数据，通过相互参数化变量的联合分布和单变量边际分布来实现混合数据分析。其 Gibbs 采样算法适用于高斯协方差模型的参数估计和推断。

    Oct, 2006

  • 互信息的分布

    本文提供了关于贝叶斯网中互信息的先验分布、后验分布以及互信息分布的计算方法，以及这些方法的可靠快速的近似。

    Dec, 2001

  • 基于变分 $f$- 散度和错排的判别式互信息估计

    本文提出了一种新颖的基于 $f$-divergence 变分表示的识别互信息估计器，并在基准情景下进行的实验表明，该方法在准确性和复杂性方面优于现有的神经估计器。

    May, 2023

  • 在线多值学习：均值、矩和预测区间

    提出了一种通用的有效技术，用于提供多值上下文预测，可以针对在线选择的对手样例 $(x,y)$ 在各种意义上提供 ' 多个有效性 '，其中结果估计正确地预测标签 y 的各种统计信息，甚至在线对抗情况下运用此算法也可以给黑盒算法的预测的不确定性提供非常通用的技巧。

    Jan, 2021

  • 混合模型和隐马尔可夫模型的矩方法

    本文提出了一种有效方法来估计高维的混合模型的参数以及应对 EM 算法的失败问题，该方法基于矩估计法来进行无监督学习从而实现了之前未能达到的混合模型严格的无监督学习结果。

    Mar, 2012

  • 条件矩模型的极小极大估计

    本文提出了一种估计条件动量限制模型的方法，其中包含一个极小 - 极大标准函数，分析了估计量的统计估计率，并提供了几种实践中使用的假设空间的应用。

    Jun, 2020