研究人员开发了一种用于高斯回归中乘积分布混合的自适应拟合程序,特别解决了预测变量相关性带来的挑战。该新方法直接最小化包含指示符和活动系数上的反向 Kullback-Leibler 散度,从而能够联合优化组件参数和权重。分析建立了近似精度、收缩、选择一致性和 Bernstein-von Mises 近似的条件,在模拟数据集上与传统的平均场近似相比,在包含概率和系数协方差方面显示出更高的准确性。 AI
影响 增强了可能适用于 AI 研究的统计建模技术。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- alphaXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Kullback--Leibler divergence
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →