研究人员开发了一种新的密度估计方法，将最小距离估计器方法扩展到Hellinger距离。该技术允许为学习密度类别创建具有近乎最优样本复杂度的近线性时间算法，包括单变量对数凹密度混合模型和高斯混合模型。 AI
排序理由 这是一篇研究论文，详细介绍了一种新的密度估计算法方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
新方法推进Hellinger距离的密度估计
报道来源 [1]
-
Density estimation for Hellinger via minimum-distance estimators: mixtures of Gaussians, log-concave, and more
arXiv:2606.11469v1 Announce Type: cross Abstract: We study the task of density estimation, where we hope to accurately estimate a probability density from $n$ samples. A textbook method for density estimation in total variation distance is the minimum-distance estimator approach,…