关于计算高效学习指数族分布的研究
原文中文,约400字,阅读约需1分钟。发表于: 。在本文中,我们提出了一种新的损失函数和一种计算高效的估计器,它在温和条件下是一致且渐近正态的。我们将我们的方法视为同一类指数族的重新参数化分布的最大似然估计,并证明我们的估计器可以解释为最小化特定的 Bregman 得分以及最小化代理似然的实例。同时,我们还提供了有限样本保证,以在参数估计中实现误差(在ℓ₂范数中)为 α,样本复杂度为 O (poly...
本文提出了一种新的损失函数和计算高效的估计器,用于参数估计。该方法被视为同一类指数族的重新参数化分布的最大似然估计,并证明了其一致性和渐近正态性。同时,提供了有限样本保证和节点稀疏马尔可夫随机场的优化样本复杂度。数值实验表明该方法的性能良好。