共 2 篇相关文章
本文深入解读分位数分布式强化学习的最新理论研究，分析分位数贝尔曼不动点的统计精度、Wasserstein距离下的非渐近误差界及局部渐近极小极大风险，揭示分辨率与收敛速率的关系。
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。
