Akshay Balsubramani
PulseAugur coverage of Akshay Balsubramani — every cluster mentioning Akshay Balsubramani across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新论文详述博弈论中的贝叶斯更新与后悔
Akshay Balsubramani 的一篇题为“集中博弈：贝叶斯更新、后悔与信息”的新论文探讨了一个双人零和重复博弈。该博弈的价值恒等式旨在同时生成贝叶斯更新和指数权重后悔的精确计算。该研究引入了一个比较器类变分形式，该形式是各种集中现象的基础，其终端收益代表了比较器相对于具有固定相对熵的先验所能达到的最大收益。论文详细介绍了 Gibbs/Bayes 权重如何作为学习者的唯一 Bellman 均衡器出现，而对数分配函数则充当价值函数。
-
新研究详细介绍了贝叶斯和乘法权重更新的精确信息核算
一篇新研究论文介绍了一种用于贝叶斯和乘法权重更新的精确信息核算恒等式。该恒等式揭示了任何此类更新的遗憾直接关系到不确定性的即时支付以及学习者当前权重与比较器之间信息距离的减少。累积支付定义了已实现序列的“内在时间”，提供了累积遗憾的两种精确自适应分解。
-
新的散度族推广了多分布比较
一篇新论文介绍了一种新颖的散度族，旨在将两个概率分布的比较推广到多个分布。这些被称为“多向巧合散度”的多分布散度，其特点是在数据处理下具有单调性，并且在独立乘积上具有可加性。研究表明，该族源于几个独立的理论途径，表明它是规范的多分布 Rényi 微积分。
-
研究人员表征了新的多分布 Rényi 散度 · 跟踪了 2 个来源
研究人员表征了一个新的多分布 Rényi 散度广义族，这对于同时比较多个概率分布至关重要。这个新族被称为多路巧合散度，它源自五个独立的数学途径，表明它是规范的多分布 Rényi 演算。这项工作扩展了现有的双分布比较，并在多群体公平性和多假设检验等领域具有潜在应用。
-
引入稀疏计数数据的新归一化方法
一篇新论文介绍了一种用于分析稀疏、联合过度分散的计数矩阵的偏差风格归一化方法，该方法特别适用于测序等生化测定。所提出的狄利克雷-多项式（DM）零模型将计数向量视为固定总数的组合，并通过保持稀疏性来提供计算效率。这种方法可以扩展到有序和树状结构数据，为各种计数数据分析提供统一的残差族。
-
新的代数恒等式统一了信息论结果
一篇新论文介绍了一个统一的代数恒等式，该恒等式连接了各种信息论变分结果。该恒等式将熵和散度的经典公式推广到多个先验，并适用于未归一化的先验。研究展示了其在语言模型和人类基因组序列上的应用，恢复了对比解码并分离了相关序列族。