凸域上的广义得分匹配方法提出

研究者 Nishanth Shetty、Saisuchith Mahajan 和 Chandra Sekhar Seelamantula 发表论文，将开放凸子集上的广义得分匹配推导为最小概率流的邻域极限，邻域几何决定权重。作者称所有 C² 正定权重均可由此生成，涵盖经典得分匹配及非负数据变体。 针对指数族，作者将凸性、一致性与渐近正态性结果扩展到任意此类权重，并证明估计量在特定边界条件下收敛到真实参数。在多面体截断高斯与单纯形 Dirichlet 分布上，所提估计量在 50 组真值配置中至少 42 组取得最低中位误差。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。