PulseAugur
实时 07:13:51
English(EN) Discrete distributions are learnable from metastable samples

研究表明离散分布可从亚稳态样本中学习

一篇新发表在arXiv上的研究论文表明,即使从亚稳态采样,离散分布也是可学习的。研究表明,对于具有强亚稳态条件的分布,单变量条件概率非常接近真实平稳分布的条件概率。这使得即使在样本受限的情况下,也能使用条件似然估计器有效地学习真实模型。研究结果已扩展到Ising模型,提供了参数和结构学习的保证,并在更高字母的自旋玻璃模型上进行了数值验证。 AI

影响 这项研究可以提高在不完美或有限数据集上训练的机器学习模型的鲁棒性。

排序理由 发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

研究表明离散分布可从亚稳态样本中学习

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Abhijith Jayakumar, Andrey Y. Lokhov, Sidhant Misra, Marc Vuffray ·

    离散分布可从亚稳态样本中学习

    arXiv:2410.13800v4 Announce Type: replace Abstract: Physically motivated stochastic dynamics are widely used to sample from high-dimensional distributions. However, such samplers often get trapped in metastable states, approximately sampling from a distribution that differs signi…