PulseAugur
实时 07:24:06
English(EN) High Minima of Gaussian Processes: Overshoots and Minimizer Locations

高斯过程极小点分析在新研究中揭晓

本文研究了高斯过程的高值极小点,重点关注超调和与极小点位置。研究表明,在某些条件下,随着极小值增加,缩放后的超调和收敛于一个指数分布的随机变量。研究还表明,极小点的条件律的弱子序列极限对应于最优协方差能量测度,如果该测度是唯一的,则发生收敛。这些发现通过平稳高斯过程、分数布朗运动和分数布朗片等例子进行了说明。 AI

影响 为理解机器学习中的复杂数据分布提供了理论基础。

排序理由 关于特定统计建模技术的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

高斯过程极小点分析在新研究中揭晓

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Enkelejd Hashorva, Svyatoslav Novikov ·

    高斯过程的极小值:超调与最小化器位置

    arXiv:2607.20714v1 Announce Type: cross Abstract: Let $X(t)$, $t\in K$, be a centred Gaussian process with continuous sample paths on a compact metric space $K$, and let $M=\min_{t\in K}X(t)$. Let $\sigma_*^2$ denote the minimum covariance energy associated with $X$, and assume t…