PulseAugur
中
实时 13:58:42
English(EN) Empirical Bayes for correlated Gaussian sequence model

相关高斯序列模型的新经验贝叶斯方法

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种用于相关高斯序列模型的经验贝叶斯估计新方法。该方法利用最大复合边际似然（CML）估计量，通过在似然函数中忽略相关性来有效处理依赖观测。CML估计量实现了$n_*^{-1/2}$的收敛速率，其中$n_*$是有效样本量，在一般依赖条件下证明了接近最优的速率。该方法已应用于贝叶斯线性回归和贝叶斯非线性单索引模型，利用了辅助统计量的高维分布。 AI

影响 该研究推进了可能适用于AI大规模推理的统计方法，特别是在涉及相关数据的领域。

排序理由 该条目是一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

相关高斯序列模型的新经验贝叶斯方法

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Qiyang Han, Cun-Hui Zhang ·

    相关高斯序列模型的经验贝叶斯

    arXiv:2607.03596v1 Announce Type: cross Abstract: Empirical Bayes methods are among the most widely used statistical methods for large-scale inference. A central paradigm is the NPMLE, whose theoretical guarantees are by now well understood for the independent Gaussian sequence m…

  2. arXiv stat.ML TIER_1 English(EN) · Cun-Hui Zhang ·

    相关高斯序列模型的经验贝叶斯

    Empirical Bayes methods are among the most widely used statistical methods for large-scale inference. A central paradigm is the NPMLE, whose theoretical guarantees are by now well understood for the independent Gaussian sequence model. In this paper, we study empirical Bayes esti…

相关实体

相关话题