English(EN) Leveraging tails for adaptation

新研究探索具有p-指数尾部的贝叶斯后验分布适应

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-18 16:57

一篇新的研究论文探讨了如何在非参数设置中，通过使用具有p-指数尾部的先验来改进贝叶斯后验分布。研究表明，随着'p'的减小，收缩率得到提高，在特定的p到0的范围内实现了对平滑度的完全适应。应用包括白噪声回归中的序列先验和浅层ReLU神经网络，模拟显示了理论发现的有力实证支持。 AI

影响这项研究可能导致更强大和自适应的机器学习模型，特别是在涉及神经网络的回归任务中。

排序理由该集群包含一篇在arXiv上发表的学术论文，详细介绍了统计理论和方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Paul Egels · 2026-06-18 16:57

利用尾部进行适应

We consider contraction of Bayesian posterior distributions in nonparametric settings where coefficients of a function over a basis or dictionary are given priors with $p$--exponential tails, including Laplace tails $(p=1)$ and heavier tails $(p<1)$. It is shown that contraction …