实体
Least Squares Estimator
Least Squares Estimator
PulseAugur coverage of Least Squares Estimator — every cluster mentioning Least Squares Estimator across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
相关高斯序列的新经验贝叶斯方法
研究人员开发了一种用于相关高斯序列模型中经验贝叶斯估计的新方法。该方法利用最大复合边际似然（CML）估计量，通过在似然函数中忽略相关性来有效处理依赖观测。CML估计量显示出以 $n_*^{-1/2}$ 的速率收敛，其中 $n_*$ 是有效样本量，表明在一般依赖性下接近最优速率。该方法应用于贝叶斯线性回归和贝叶斯非线性单指标模型，利用了辅助统计量的高维分布。
-
深度学习框架大幅降低毫米波MIMO系统的导频开销
研究人员开发了一种名为多块注意力（MBA）的新型深度学习框架，用于改进智能反射面（IRS）辅助的毫米波MIMO系统中的信道估计。该框架通过将传统最小二乘估计器的导频开销降低高达87%，显著减少了精确信道估计所需的导频开销。MBA方法还展示了归一化均方误差的显著降低，在10 dB信噪比下，其误差比现有领先方法低约51%，同时保持了较低的计算复杂度。
-
新研究为高斯线性回归中的提前停止提供了尖锐的风险界限
研究人员为高斯线性回归中的提前停止开发了新的理论界限，这是一种用于最小化样本内均方误差的技术。研究表明，在与势函数和闵可夫斯基泛函相关的特定条件下，这些界限可以匹配最小二乘估计器的最尖锐已知风险界限。这项工作提供了与现有方法的系统比较，并建立了新的紧密风险界限，特别是在$\\ell_1$-约束回归的背景下。