Оптимизатор в качестве детектора: Стохастическое градиентное происхождение для скрытых моделей смеси

arXiv: 2609.07003v1 Annuales Type: New Brieft: Counciling Latin populations может затушевывать отношения и приводить к вводящим в заблуждение выводам регрессии, включая парадокс Симпсона (SP). Мы предлагаем детектор, основанный на устойчивой динамике постоянного стохастического градиента спуска (СГД). В отличие от испытаний смеси на основе вероятности и методов поиска смешателей, для этого не требуется ни спецификация нормальной смеси, ни наблюдаемые потенциальные конституторы. Два линейных кусочка конкурируют в потерях победителей-победителей-всего квадратов-аэррора, и их нормализованное конечное разделение формируется тестовой статистикой. Используя приближенные к диффузии, мы получаем его асимптотическое нулевое распределение для общих скалярных ковариатов и гауссианских многовариантов под симметричным шумом. Зависящий от распределения нильный центр уменьшается до бесразмерной постоянной 4 долл. США/пи долларов, когда как ковариаты, так и шум являются гауссианскими. Мы ведем асимптотический контроль и последовательность в сравнении с стационарными альтернативами смеси при регулярностиc