PulseAugur
中
实时 09:07:46
实体 Sample average approximation with heavier tails I: non-asymptotic bounds with weak assumptions and stochastic constraints

Sample average approximation with heavier tails I: non-asymptotic bounds with weak assumptions and stochastic constraints

PulseAugur coverage of Sample average approximation with heavier tails I: non-asymptotic bounds with weak assumptions and stochastic constraints — every cluster mentioning Sample average approximation with heavier tails I: non-asymptotic bounds with weak assumptions and stochastic constraints across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_135254 ·

    新的保形预测编程框架解决了机会约束优化问题

    研究人员推出了一种名为保形预测编程（CPP）的新框架，旨在解决机会约束优化问题。CPP 利用随机变量的样本和保形预测的核心概念分位数引理，将这些复杂问题转化为确定性问题。CPP 的一个关键优势在于其独立的校准步骤，即使在标准先验假设不满足或过于保守的情况下，也能提供稳健的、事后保证。该框架还支持各种保形预测技术，包括用于分布偏移的稳健 CPP 和用于类别条件约束的 Mondrian CPP，证明了其在案例研究中的通用性和有效性。