研究人员开发了一种新方法，可以准确有效地估计最大均值差异（MMD）的方差，这在样本量不平衡的情况下尤其具有挑战性。所提出的方法提供了一个有限样本无偏估计量，并通过采用拉普拉斯核的递归前缀-后缀累积方案，将计算复杂度降低到O(N log N)，内存为O(N)。该方法已被验证其理论精确性和数值稳定性，在时间序列生成对抗网络（TimeGAN）训练期间监控分布收敛方面被证明是有效的。 AI
影响 通过提供更准确的方差估计量，提高了时间序列生成模型的训练稳定性。
排序理由 这是一篇详细介绍具有生成模型应用的新统计方法的学术论文。
- arXiv
- CORE Recommender
- Hugging Face
- Laplace kernel
- Maximum Mean Discrepancy
- Shijie Zhong
- TimeGAN
- Time-series Generative Adversarial Networks
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
