PulseAugur
中
实时 07:26:58
English(EN) Gaussian mixtures and non-parametric likelihoods through the lens of statistical mechanics

新研究通过球形分解和统计力学探索高斯混合模型

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文从不同的分析视角探讨了高斯混合模型（GMM）。第一篇论文介绍了一种使用球形径向分解的方法，将GMM概率函数表示为欧几里得球体上的积分，并建立了可微性条件和梯度表示。第二篇论文将统计力学应用于GMM和非参数最大似然估计（NPMLE），提供了改进的稳定性保证，并深入探讨了NPMLE与随机能量景观中的混沌等概念之间的关系。 AI

影响 这些论文推进了对高斯混合模型的理论理解，可能改进其在机器学习算法中的应用。

排序理由 两篇在arXiv上发表的学术论文，详细介绍了高斯混合模型的新颖数学方法。

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 →

新研究通过球形分解和统计力学探索高斯混合模型

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Gonzalo Contador, Pedro P\'erez-Aros, Emilio Vilches ·

    高斯混合模型下概率函数的可微性和近似性

    arXiv:2411.02721v2 Announce Type: replace-cross Abstract: In this work, we study probability functions associated with Gaussian mixture models. Our primary focus is on extending the use of spherical radial decomposition for multivariate Gaussian random vectors to the context of G…

  2. arXiv stat.ML TIER_1 English(EN) · Subhroshekhar Ghosh, Adityanand Guntuboyina, Satyaki Mukherjee, Hoang-Son Tran ·

    统计力学视角下的高斯混合模型与非参数似然

    arXiv:2603.23196v2 Announce Type: replace-cross Abstract: In this work, we investigate Gaussian Mixture Models ({\it abbrv} GMM) and the related problem of non parametric maximum likelihood estimation ({\it abbrv} NPMLE) from the perspective of statistical mechanics. In particula…

相关实体

相关话题