7 Statistical estimation

最新推荐文章于 2025-08-05 09:56:08 发布
原创 最新推荐文章于 2025-08-05 09:56:08 发布 · 199 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

博客围绕统计估计展开，但具体内容缺失，推测会涉及统计估计的方法、应用等信息技术领域相关知识。

在这里插入图片描述

统计估计(statistical estimation)
NockinOnHeavensDoor的博客
05-18 2340
统计估计(statistical estimation) 即到手的数据概率分布是未知的， 我们只能从样本集合里估计数据潜在的概率分布(underlying propability distribution). 基础 估计(estimator)μ^μ^\hat\mu:从样本得到的定量估计，比如期望的estimator定义是： μ^=1n∑i=1Nxi(1)(1)μ^=1n∑i=1Nxi...
Neurlps2024论文解析|Near-Optimal Streaming Heavy-Tailed Statistical Estimation with Clipped SGD
haimianxiaobao11的博客
03-11 980
本文研究了在流式设置中进行高维重尾统计估计的问题，提出了一种基于裁剪随机梯度下降（Clipped SGD）的方法。与传统的批处理设置相比，流式设置由于内存限制而更具挑战性。研究表明，当随机梯度噪声的二阶矩有限时，Clipped SGD算法能够达到接近最优的次高斯统计速率。具体而言，使用T个样本时，Clipped SGD在平滑且强凸目标下的误差为Tr(Σ)+Tr(Σ)∥Σ∥2ln(ln(T)/δ)，其中Σ为裁剪梯度的协方差。
Approximation and fitting、Statistical estimation
Anne033的博客
10-28 525
一、Approximation and fitting 二、Statistical estimation https://www.zhihu.com/question/24276013
【Convex Optimization Stanford】Lec7. Statistical estimation
weixin_55471672的博客
02-04 254
凸优化：包含对于统计分布的估计，以及一些假说检验的知识
Stanford 3: rTop-k: A Statistical Estimation Approach to Distributed SGD
Lyn_S的博客
02-22 239
本文同样来自stanford 组，不过他研究的是分布式学习中的weight compression and estimation problem. 问题建模 分布式统计参数估计 首先，我们考虑 NN 有 ddd 个参数, 他们服从分布 pθp_\thetapθ​. 总共有 nnn 个节点观测 pθp_\thetapθ​ 每个节点得到一个 realization XnX_nXn​。 因此我们有 X1,X2,...,Xn∼i.i.d.pθX_1,X_2,...,X_n\overset{\text{i.i.d.}
The Mathematics of Statistical Machine Translation: Parameter Estimation
koala_cola的博客
05-17 857
统计机器翻译的数学:参数估计  这篇论文描述了一系列五个统计模型的翻译过程，并给出了通过一些互译的句对来估计这些模型的参数的算法。而且这些互译的句对是词对齐的。  对于任何给定的这样的句对，我们的每个模型都为每个可能的字词对齐序列分配一个概率。我们给出了寻找这些排列中最可能的排列的算法。 该算法虽然不是最优的(指不一定会达到最好的效果，也就是次优)，但可以很好地解释句子对中的逐字关系。  我们有大量来自加拿大议会会议记录的法语和英语数据。因此，我们的工作仅限于这两种语言;  但我们觉得，因为我们的算法只有很
噪声论文：An Efficient Statistical Method for Image Noise Level Estimation
tony365的博客
07-04 923
noise estimate . ICCV2015 作者提到 关于patch size的选择 patch_size比较大时，beta值越大，意味着可以允许比较多的主要特征比例。 但是另一方面， patch的数量越大的时候，冗余特征值的分布才符合 因此size 和 number 需要一个折衷。.........
整点论文——Estimation of Non-Normalized Statistical Models by Score Matching
最新发布
2401_89678770的博客
08-05 1016
摘要：本文介绍了Aapo Hyvärinen提出的Score Matching方法，用于估计非标准化概率模型参数。该方法通过最小化模型得分函数与数据得分函数之间的期望平方距离，避免了计算复杂的归一化常数。关键优势包括计算简单、理论保证和无需MCMC采样。论文证明了在模型非退化条件下，该方法具有局部一致性，即估计量能收敛到真实参数值。核心公式将目标函数转化为仅依赖模型概率密度函数的形式，使其在实际应用中更易计算。
Statistical Signal Processing --- Part I --- Parameter Estimation
weixin_45102840的博客
04-16 344
Parameter Estimation欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果
Fundamentals of statistical signal processing-estimation theory
01-10
For practicing engineers and scientists who design and ... A unified presentation of parameter estimation for those involved in the design and implementation of statistical signal processing algorithms.
Fundamentals Of Statistical Signal Processing Estimation Theory-Steven Kay
04-15
It is a book introducing modern estimation theory, including Linear models, Maximum likelihood estimation, least squares, bayesian estimation.
fundamentals-of-statistical-signal-processing-volume-i-estimation-theory_1
01-02
其中，最基础的概念包括最小二乘估计（Least Squares Estimation, LSE）、最大似然估计（Maximum Likelihood Estimation, MLE）以及它们的变种，如稳健估计和贝叶斯估计。这些估计方法各有优缺点，适用于不同的问题...
10 Equality constrained minimization
Anne033的博客
11-07 386
3 Convex functions
Anne033的博客
11-06 331
StevenBoyd--Convex optimization--1. Introduction
Anne033的博客
11-06 331
StevenBoyd--Convex optimization--0. Contents-catalog
Anne033的博客
11-06 327
把自己最近学习的Steven Boyd的convex optimization的内容整理一下，将思维导图发出来供自己学习及参考。
4 Convex optimization problems
Anne033的博客
11-06 268
9 Unconstrained minimization
Anne033的博客
11-07 245
11 Interior-point methods and Conclusions
Anne033的博客
11-07 235
undamentals of statistical signal processing estimation theory
11-17
《统计信号处理估计理论基础》是信号处理领域的重要理论基础之一。它研究的是如何利用统计学原理对信号进行估计和预测。通过对信号的统计性质进行分析，可以更准确地估计信号的参数和状态，从而提高信号处理系统的...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值