PulseAugur
中
实时 07:02:21
English(EN) NMINE: Normalized Mutual Information Neural Estimation

新的NMINE神经网络估计器改进了互信息测量

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的归一化互信息神经网络估计器NMINE，旨在测量连续和多维变量之间的统计依赖性。该方法结合了基于MINE的互信息估计器和受MI-NEE启发的边际熵估计器，利用了Donsker-Varadhan表示。实验表明，NMINE在现有方法上提供了更高的准确性，尤其是在更高维度上，表明其在复杂连续环境中的依赖性测量潜力。 AI

影响 这种新的神经网络估计器可以增强复杂连续多维数据中的依赖性测量，可能使机器学习应用受益。

排序理由 该集群包含一篇详细介绍一种新的归一化互信息估计方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的NMINE神经网络估计器改进了互信息测量

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Petra Eerikinharju, Marko Tuononen, Ville Hautam\"aki ·

    NMINE：归一化互信息神经网络估计

    arXiv:2607.27710v1 Announce Type: new Abstract: Mutual information is a general measure of statistical dependence that captures both linear and nonlinear relationships between random variables. For continuous and multidimensional variables For continuous multidimensional variable…

相关话题