研究人员开发了一种新颖的估计器,用于学习具有有界支撑的指数族分布的混合模型。该方法利用凸损失函数,无需对数分割函数,并将估计问题构建为任何给定标签分配下的凸优化任务。该方法在参数误差上建立了有限样本界限,并证明了即使在可容许标签分配的复杂度随样本量次线性增长的情况下,该方法也具有一致性,并且附加条件能够实现分量和标签的恢复。 AI
排序理由 该条目描述了一种用于学习指数族分布混合模型的新颖估计器,发表在一篇研究论文中。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →