The Pivotal Information Criterion
该论文针对贝叶斯和赤池信息准则在惩罚参数过小导致误报及高维离散优化不可行方面的缺陷,提出了一种基于检测边界选择枢轴惩罚参数的连续优化新准则(PIC),实现在保持预测性能的同时显著降低模型复杂度并精确恢复支持集。
251 篇论文
该论文针对贝叶斯和赤池信息准则在惩罚参数过小导致误报及高维离散优化不可行方面的缺陷,提出了一种基于检测边界选择枢轴惩罚参数的连续优化新准则(PIC),实现在保持预测性能的同时显著降低模型复杂度并精确恢复支持集。
该论文提出了一种基于贝叶斯决策理论的新型情境化隐私度量框架,主张数据发布方应基于先验视角而非条件数据做出披露决策,并认为该框架在意义性、明确性和严谨性上优于差分隐私及统计披露理论。
该论文通过似然视角研究了广义均值在密度聚合中的应用,证明了仅当阶数时(涵盖线性与几何平均),聚合策略才能系统性地优于个体分布,从而为深度集成学习中广泛使用的聚合方法提供了理论依据。
本文提出了一种基于特征值间隙比的无模型谱推断方法,该方法无需参数估计或调参,能够有效解决稀疏网络及社区数发散场景下社区数量估计的难题,并证明了其统计量的渐近性质。