BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
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。
-
推导了极大似然推断的函数形式，并提出了一种可计算的逼近方法。
-
证明了Γ-收敛结果，表明随着观测块数量N趋于无穷大，可以恢复真实的概率密度。
-
通过熵最优输运核建模了一类假设空间，以近似推断数据中的转移算子。
-
修改EMML算法以考虑额外的转移概率约束，解决离散最小化问题，并证明算法的收敛性。
-
概念验证示例展示了方法的潜力。
🏷️
