实体
Total variation distance of probability measures
Total variation distance of probability measures
PulseAugur coverage of Total variation distance of probability measures — every cluster mentioning Total variation distance of probability measures across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新的基于距离的方法量化机器学习中的不确定性
研究人员开发了一种新颖的基于距离的方法来量化机器学习模型中不同类型的不确定性，特别解决了代表概率度量中不确定性的Credal集。这个新框架基于积分概率度量（IPMs），提供了清晰的解释和计算上的可行性。所提出的方法，特别是当使用总变差距离时，为多类分类提供了有效的度量，并推广了现有的二元不确定性度量。
-
新不等式阐明高斯混合模型距离关系
研究人员建立了新的不等式，精确定义了高斯混合模型总变差距离与Hellinger距离之间的关系。他们的发现提供了一个通用上限，表明Hellinger距离受总变差距离的幂次控制。这项工作解决了该领域的一个开放性问题，并为高斯混合模型的学习提供了熵特征化，对鲁棒估计和经验贝叶斯方法具有启示意义。