待验证50% 置信事实精确时间
论文证明：在真实混合测度满足次高斯假设时，无约束NPMLE在平方Hellinger距离下达到极小极大最优速率 log(n)/n。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证论文通过对有限高斯混合类在局部Hellinger距离下的括住熵进行sharp刻画，以此控制NPMLE的收敛速率。72% 相似待验证论文推导出在 softmax 检索框架下，维持固定准确率所需的证据得分边际必须以 Ω(√log N) 速度增长，其中 N 是有效干扰项数量而非上下文长度72% 相似待验证对于在内在d*维子流形上运行的学习任务，该论文证明最优划分缩放可以达到极小极大非参数速率O(n^{-1/(d*+2)}√ln n)。70% 相似待验证论文证明存在常数深度、规模为Õ_{n,d}(p^{-9}ε^{-max{d/n,2}}log(1/δ))的网络，能以至少1-δ概率满足带概率的一致逼近要求69% 相似待验证当奖励密度一致远离零时，论文建立了同时适用于所有分辨率 m 和所有 Wasserstein 阶数 p（1 ≤ p ≤ ∞）的根 n 高概率界，估计误差以参数速率 n^{-1/2} 收敛。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1083921API
curl https://kongchang.com/api/v1/knowledge/claims/1083921MCP
get_claim(id=1083921)