会员服务
INFORMS · 散度 · 确切的 · 统计理论 ·
2021 年 11 月 12 日
Hypothesis testing with active information
翻译：使用主动信息进行假设测试
Daniel Andrés Díaz-Pachón,Juan Pablo Sáenz,J. Sunil Rao
Daniel Andrés Díaz-Pachón,Juan Pablo Sáenz,J. Sunil Rao
from arxiv, Typo changed in one of the names in the Metadata, and a reference to an equation from the paper in the Supplement

We develop hypothesis testing for active information -the averaged quantity in the Kullback-Liebler divergence. To our knowledge, this is the first paper to derive exact probabilities of type-I errors for hypothesis testing in the area.


翻译：我们开发了主动信息的假设测试 — — 库尔贝克- 利伯勒差异的平均值。 据我们所知,这是为该地区进行假设测试而得出一型错误准确概率的第一份文件。
0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文，扩大了运筹学和计算的范围，寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文，以及描述新的和有用的软件工具的论文。官网链接：https://pubsonline.informs.org/journal/ijoc
【因果基础】Causality Basics，36页ppt
专知会员服务
50+阅读 · 2021年8月8日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】反偏差对比学习，Debiased Contrastive Learning
【MIT】反偏差对比学习，Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【ICML2019 tutorial】主动假设检验:一个信息论的观点（Active Hypothesis Testing: An Information Theoretic (re)View），Tara Javidi
【ICML2019 tutorial】主动假设检验:一个信息论的观点（Active Hypothesis Testing: An Information Theoretic (re)View），Tara Javidi
专知会员服务
7+阅读 · 2019年12月7日
【KDD2019|讲座推荐】假设检验与统计声音模式挖掘：Hypothesis Testing and Statistically-sound Pattern Mining
【KDD2019|讲座推荐】假设检验与统计声音模式挖掘：Hypothesis Testing and Statistically-sound Pattern Mining
专知会员服务
21+阅读 · 2019年12月6日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Validating Simulations of User Query Variants
Arxiv
0+阅读 · 2022年1月19日
Batch versus Sequential Active Learning for Recommender Systems
Arxiv
0+阅读 · 2022年1月19日
Contact Tracing Information Improves the Performance of Group Testing Algorithms
Arxiv
0+阅读 · 2022年1月19日
Algorithmic encoding of protected characteristics in image-based models for disease detection
Arxiv
0+阅读 · 2022年1月18日
ICLEA: Interactive Contrastive Learning for Self-supervised Entity Alignment
Arxiv
1+阅读 · 2022年1月17日
Bayesian information criteria for clustering normally distributed data
Arxiv
0+阅读 · 2022年1月16日
Refined normal approximations for the Student distribution
Arxiv
0+阅读 · 2022年1月16日
TinyBERT: Distilling BERT for Natural Language Understanding
TinyBERT: Distilling BERT for Natural Language Understanding
Arxiv
11+阅读 · 2019年9月23日
Prediction of the FIFA World Cup 2018 - A random forest approach with an emphasis on estimated team ability parameters
Arxiv
3+阅读 · 2018年6月13日
Active Learning from Positive and Unlabeled Data
Arxiv
3+阅读 · 2016年2月24日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
INFORMS
散度
确切的
统计理论
相关VIP内容
【因果基础】Causality Basics，36页ppt
专知会员服务
50+阅读 · 2021年8月8日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】反偏差对比学习，Debiased Contrastive Learning
【MIT】反偏差对比学习，Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【ICML2019 tutorial】主动假设检验:一个信息论的观点（Active Hypothesis Testing: An Information Theoretic (re)View），Tara Javidi
【ICML2019 tutorial】主动假设检验:一个信息论的观点（Active Hypothesis Testing: An Information Theoretic (re)View），Tara Javidi
专知会员服务
7+阅读 · 2019年12月7日
【KDD2019|讲座推荐】假设检验与统计声音模式挖掘：Hypothesis Testing and Statistically-sound Pattern Mining
【KDD2019|讲座推荐】假设检验与统计声音模式挖掘：Hypothesis Testing and Statistically-sound Pattern Mining
专知会员服务
21+阅读 · 2019年12月6日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
热门VIP内容
相关资讯
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Validating Simulations of User Query Variants
Arxiv
0+阅读 · 2022年1月19日
Batch versus Sequential Active Learning for Recommender Systems
Arxiv
0+阅读 · 2022年1月19日
Contact Tracing Information Improves the Performance of Group Testing Algorithms
Arxiv
0+阅读 · 2022年1月19日
Algorithmic encoding of protected characteristics in image-based models for disease detection
Arxiv
0+阅读 · 2022年1月18日
ICLEA: Interactive Contrastive Learning for Self-supervised Entity Alignment
Arxiv
1+阅读 · 2022年1月17日
Bayesian information criteria for clustering normally distributed data
Arxiv
0+阅读 · 2022年1月16日
Refined normal approximations for the Student distribution
Arxiv
0+阅读 · 2022年1月16日
TinyBERT: Distilling BERT for Natural Language Understanding
TinyBERT: Distilling BERT for Natural Language Understanding
Arxiv
11+阅读 · 2019年9月23日
Prediction of the FIFA World Cup 2018 - A random forest approach with an emphasis on estimated team ability parameters
Arxiv
3+阅读 · 2018年6月13日
Active Learning from Positive and Unlabeled Data
Arxiv
3+阅读 · 2016年2月24日
Top
微信扫码咨询专知VIP会员
Top