研究人员开发了一种新颖的 XMSE 感知混合估计器,该估计器在最大似然 (ML) 和经验贝叶斯 (EB) 收缩之间进行插值。该方法旨在改进现有的 EB 估计器,当其核与真实参数不对齐时,EB 估计器可能表现不如 ML。所提出的方法使用固定的 XMSE 来推导一个最优混合权重,确保其性能不劣于 ML 或基础 EB 估计器。基于有限样本 XMSE 近似的即插即用实现被证明是一致的,并提供了二阶最优遗憾率。 AI
影响 这项研究可能导致机器学习中更强大的统计方法,特别是在核错误指定的情况下。
排序理由 该集群描述了一篇关于统计估计方法的新学术论文。
- Cascaded Tanks
- Finite Impulse Response filter
- finite-sample XMSE approximations
- kernel-based EB estimation
- maximum likelihood estimation
- mixed estimator
- plug-in implementation
- Silverbox
- XMSE
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →