通过熵传输核心从批次的不成对点转移算子
原文中文,约400字,阅读约需1分钟。发表于: 。本文关注的是给定 N 个独立观测块的随机变量 X 和 Y 的联合概率的估计问题,我们推导了极大似然推断的函数形式,提出了一种可计算的逼近方法,并分析了它们的性质。我们证明了一个 Γ- 收敛结果,表明随着观测块的数量 N 趋于无穷大,我们能够从经验逼近中恢复真实的概率密度。通过熵最优输运核,我们建模了一类假设空间,通过最小化推断函数在该假设类上的值,可以近似推断数据中的转移算子。我们通过修改...
本文研究了给定N个独立观测块的随机变量X和Y的联合概率的估计问题。通过极大似然推断的函数形式和可计算的逼近方法,我们能够从经验逼近中恢复真实的概率密度。通过熵最优输运核,我们建模了一类假设空间,可以近似推断数据中的转移算子。通过修改EMML算法以考虑额外的转移概率约束,解决了离散最小化问题,并证明了算法的收敛性。概念验证示例展示了方法的潜力。