关键词conditional expectation
搜索结果 - 7
- 分布鲁棒性的瞬间
在分布鲁棒学习中,我们引入了基于对抗性矩违规的新的极小极大目标,并展示了通过最小化该目标等效于最小化与真实条件期望的最坏情况下的 $l_2$ 距离,从而在计算成本上提供了大体量的经验性节省。
- 通过因果领域转换评估和校正决策支持系统的表现效果
使用因果领域转移模拟决策支持系统的部署,并提供条件期望的新型跨领域识别结果,既可事前又可事后评估决策支持系统的部署,并通过重新训练模型评估在未部署决策支持系统情况下的风险,为多种形式的目标变量偏差提供了实用的统一解决方案。
- 利用紧致核进行条件期望计算
本文针对难题进行了运算符理论的研究与探讨,提出了套用了核积分算子的方法,能够有效地在复现核希尔伯特空间里解决线性逆问题的方法。
- 环境扩散:从损坏的数据中学习干净的分布
介绍了一种基于扩散的框架,可以使用高度损坏的样本学习未知分布,通过在扩散过程中引入附加的测量损坏,并要求模型从进一步损坏的图像中预测原始损坏的图像,来学习完整未损坏图像的条件期望。
- 具有可观测边标签和不可观测节点标签的二分图中的图估计
本文研究了一种估计潜在变量下矩阵条件期望的方法 —— 使用图函数。通过对分段常数和 H"older 连续图函数的研究,提出最小二乘估计量和指数加权聚合的有限样本风险界。另提出使用 Lloyd 的交替最小化算法来近似该估计量。在合成数据集上进 - 神经跳跃常微分方程:一致连续时间预测和滤波
介绍了一种新的数据驱动方法 ——Neural Jump ODE (NJ-ODE), 该模型模拟了连续时间下的随机过程。该模型使用神经 ODE 模型建模两个观察值之间的条件期望,并在每次发现新的观察值时进行跳跃。实验结果表明该模型对于更复杂的 - 半参数估计的交叉拟合与快速余数率
使用交叉配对构建新的估计量来估计有限半参数方差界函数的非参数估计值,特别给出构建两次健壮估计量的方法,对条件期望的回归样条估计值具有广泛的精确性结果。