#统计学习

共 5 篇相关文章

最新研究证明高斯混合模型的非参数最大似然估计（NPMLE）在平方Hellinger距离下达到极小极大最优速率log(n)/n，并给出紧支撑下的更快速率及经验贝叶斯应用。

一篇新研究在核诱导几何（MMD）框架下分析马尔可夫链收敛，建立经验占用测度收敛的非渐近高概率界，分离谱间隙与核收缩的作用，并为单轨迹动力系统学习给出快速学习率。

一篇统计学习理论论文证明，基于偏好压缩的学习算法风险估计可消除对数因子，达到大数定律的 O(1/√N) 最优收敛速率，并论证主导项 k/N 的必要性及其与经验风险的关系。

arXiv 新论文提出一种假设精简（assumption-lean）的逻辑回归估计方法，无需已知协变量分布即可处理缺失协变量。基于 Z-估计与单调算子的随机逼近算法，实现参数速率信号恢复，并被证明始终优于完整样本估计器。

arXiv新论文Nous提出一种统计框架，证明智能体记忆决策可在不先校准信息来源的情况下被学习和认证，样本复杂度比来源估计少一个平方量级，并在MiniGrid环境完成大规模实验验证。