PulseAugur
中
实时 22:08:11
English(EN) Finite-Rank Logistic Gaussian Processes with Exact Likelihood for Conditional Density Estimation

新的有限秩逻辑高斯过程方法用于密度估计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为有限秩逻辑高斯过程（ExFR-LGP）的新方法，用于条件密度估计。该方法允许对逻辑高斯过程进行精确似然计算，克服了先前近似方法的局限性。ExFR-LGP 为归一化常数、条件均值和分位数提供了闭式表示，并使用带有椭圆切片采样的 Gibbs 采样器进行后验采样。该方法在合成数据实验中显示了有效性，并已应用于分析阿尔茨海默病神经影像学计划数据中的分数各向异性响应，提供了具有不确定性的协变量调整百分位数带。 AI

影响 引入了一种新颖的统计密度估计方法，可以增强依赖概率输出的机器学习模型。

排序理由 这是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]

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 →

新的有限秩逻辑高斯过程方法用于密度估计

本文如何被排名

Signal score
2 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是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]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Jaehoan Kim, Indrajit Ghosh, Debdeep Pati, Dipankar Bandyopadhyay ·

    具有精确似然的有限秩逻辑斯蒂高斯过程用于条件密度估计

    arXiv:2610.09452v1 Announce Type: cross Abstract: Conditional density estimation describes how the entire distribution of a response changes with covariates, and in imaging studies also with location. Logistic Gaussian processes (LGP) give a flexible prior for such densities. How…

相关实体

相关话题