关键词high-dimensional inference
搜索结果 - 6
- 切片互信息:一种可扩展的统计依赖度量
本文提出了一种名为 Sliced MI(SMI)的关联系数测量方法,它是高维互信息的一种替代,通过对一维随机投影之间的互信息项求平均来定义,并且可以应用于特征提取。实验结果表明,与传统的互信息相比,SMI 在高维推断中具有潜在的优势。
- 关于投影鲁棒最优输运的样本复杂度和模型错误问题的研究
本文利用基于投影健壮性的最优输运(OT)距离作为损失函数来研究参数推断,基于多维维度的视角建立了多个基本统计属性,提出了平均最优输运(IPRW)距离,并给出了复杂性界限和渐进保证。最后,在模型错误说明下给出了最小 PRW 估计量的两种渐进保 - 高维推断中的非凸损失在线随机梯度下降
研究了 SGD 算法在高维参数空间下最简单在线版本的性能,通过对样本数量的阈值来确定参数估计的一致性,其阈值是多项式维度的,取决于信息指数。
- 非齐次随机图的双样本假设检验
本文以最小极小值检验的角度考虑解决在高维信息检测中,两个离散随机图集合的假设检验问题,并提出了 Frobenius 范数和算子范数算法,能在小样本量下有效地求解较为稀疏的两种份离散图模型问题。
- 将高维回归转换为高维条件密度估计
使用非参数条件密度估计器,提出了一个全新的 CDE 方法 FlexCode,并对其在高维数据上的表现进行了理论和实证研究。
- 估计带噪声和高维缩放的(近乎)低秩矩阵
研究高维推断中估计矩阵的问题,提出基于迹或核范数的正则化 M 估计方法来近似低秩矩阵,分析其性能并提供 Frobenius 范数误差的非渐近界限,并应用于多变量回归、向量自回归过程等特定矩阵模型,模拟结果与理论预测吻合度高。