Оптимальная теория транспорта для скрытых структурированных моделей

#Оптимальная #Annualce #Type #Байесовской

arXiv: 2601,11465v2 Annualce Type: заменить резюме: Эта статья представляет собой выдержку из некоторых последних теоретических достижений в изучении латентных структурированных моделей с уделением первоочередного внимания фундаментальным ролям, которые оптимальные расстояния переноса играют в статистической теории. Мы стремимся к тому, что может быть самым критическим и новаторским ингредиентом в этой теории: мотивация, формулирование, производная и опровержение обратных границ; богатая подборка структурного неравенства для латентных структурированных моделей, которые соединяют пространство распределения ненаблюдаемых структур, представляющих интерес, с местом распространения данных наблюдений. Эта теория иллюстрируется классическими моделями смесей, а также более современными иерархическими моделями, которые были разработаны в Байесовской статистике, машинном обучении и смежных областях.

Математика > Статистическая теория [представлена 16 января 2026 (v1), последняя пересмотренная версия 10 сентября 2026 года (этот вариант, v2)) Название: Optimal Transport base terine for Latin структурированные модели View PDF HTML (экспериментальная) Резюме: Настоящая статья представляет собой выдержку некоторых последних теоретических достижений в изучении латентных структуризированных моделей с уделением основного внимания фундаментальным ролям оптимальных транспортных расстояний в статистической теории. Мы стремимся к тому, что может быть самым критическим и новаторским ингредиентом в этой теории: мотивация, формулирование, производная и опровержение обратных границ; богатая подборка структурного неравенства для латентных структурированных моделей, которые соединяют пространство распределения ненаблюдаемых структур, представляющих интерес, с местом распространения данных наблюдений. Эта теория иллюстрируется классическими моделями смесей, а также более современными иерархическими моделями, которые были разработаны в Байесовской статистике, машинном обучении и смежных областях. История представления: SuanLong Ngeny [видение электронной почты] [v1] Fri, 16 января 2026 17:47:52 UTC (152 KB) [ v2) Thu, 10 сентября 2026 18:10:43 UTA (176 KB). Текущий контекст просмотра: математика.ST Ссылки и цитаты... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite…