Feb, 2024
使用超几何分布估计未知人口规模
Estimating Unknown Population Sizes Using the Hypergeometric Distribution
Liam Hodgson, Danilo Bzdok
TL;DR使用多元超几何分布以及变分自动编码器框架，本文提出了一种新的方法解决估计离散分布的挑战，并在极度欠采样的情况下进行估计。通过实证数据模拟和在自然语言处理和生物学领域的应用中的表现，我们证明了该方法的多样性和准确性。
Abstract
The multivariate hypergeometric distribution describes sampling without
replacement from a discrete population of elements divided into multiple
categories. Addressing a gap in the literature, we tackle the challenge of
multivariate hypergeometric distributionestimating discrete distributionshypergeometric likelihoodvariational autoencoder frameworksparse single-cell genomics data
发现论文，激发创造
广义双曲线分布混合模型
介绍了广义双曲线分布的混合模型，相对于高斯混合分布以及其中的多元 t 分布和偏 t 分布，具有一定的优势性能。通过仿真和真实数据，展示了其在参数估计、聚类以及密度估计中的应用和效能。
May, 2013
高维分布私密学习
本文介绍了用于两种基本高维学习问题的新型、计算有效和差分隐私算法：学习多元高斯分布和在布尔超立方体上学习乘积分布。我们的算法的样本复杂度几乎与这些任务的最优非隐私学习器的样本复杂度相匹配，表明隐私在这些问题上是几乎免费的。
May, 2018
限制生成模型的测试对数似然
研究提出了一种更高效的密度估计方法，从而解决了一些复杂的生成学习算法中难以估计模型质量的问题，并证明其提供了真实测试对数似然的下界和无偏估计，同时还提出了一种偏差估计的变体，可以在有限的样本数下可靠地用于模型比较。
Nov, 2013
高斯 - 埃尔米特积分的期望超体积改进的高效近似
使用 Gauss-Hermite 积分作为新的求解多目标优化问题的方法，比起传统的蒙特卡罗模拟方法，准确性更高，且可以处理两个或者多个相关联的目标变量。
Jun, 2022
负二项随机伽玛马尔科夫过程用于异质超离散计数时间序列
提出了一种负二项式随机化的伽马马尔科夫过程来建模计数数列的转换结构和爆发性动态，从而改善了动力学系统的预测性能和推理算法的快速收敛，同时估计了基于因子结构和图结构的转换动态以获得更可解释的潜在结构，比相关模型更好地填补了缺失数据和预测未来观测。
Feb, 2024