研究人员开发了一种估计核 Stein 差异（KSD）的新方法，这是一种用于比较样本分布和评估近似推理的技术。该研究将 Stein 协方差算子的 Hilbert-Schmidt 范数确定为决定 minimax 风险的关键因素，建立了 \(\|C_\star\|_{\mathrm{HS}}/n\) 的新估计尺度。这种方法优于标准的 V 统计量，后者被证明对于某些分布和核来说是次优的。 AI
影响 改进了 AI 中用于模型评估和推理的基础统计方法。
排序理由 该集群包含一篇详细介绍新统计估计方法的学术论文。
- arXiv
- Hilbert–Schmidt operator
- Hugging Face
- kernel Stein Discrepancy
- Stein covariance operator
- U-statistic
- V-statistic
- alphaXiv
- CatalyzeX
- DagsHub
- Gaussian function
- Gotit.pub
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
