会员服务
有参情况 · AIM · CASE ·
2 月 16 日
Fisher-Riemann geometry for nonparametric probability densities
翻译：暂无翻译
Hugo Aimar,Aníbal Chicco Ruiz,Ivana Gómez
Hugo Aimar,Aníbal Chicco Ruiz,Ivana Gómez
from arxiv, 26 pages, 11 figures

In this article we aim to obtain the Fisher Riemann geodesics for nonparametric families of probability densities as a weak limit of the parametric case with increasing number of parameters.


翻译：暂无翻译
0
下载
关闭预览

相关内容

【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
专知会员服务
44+阅读 · 2021年11月24日
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
专知会员服务
40+阅读 · 2020年5月30日
【AI应用】Facebook-利用神经网络求解高等数学方程, Using neural networks to solve advanced mathematics equations
【AI应用】Facebook-利用神经网络求解高等数学方程, Using neural networks to solve advanced mathematics equations
专知会员服务
33+阅读 · 2020年1月15日
【WSDM2020】超越统计关系：将知识关系整合到多标签音乐风格分类的风格关联中（附pdf）
专知会员服务
16+阅读 · 2019年11月23日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17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
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9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
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
论文浅尝 | 利用 RNN 和 CNN 构建基于 FreeBase 的问答系统
论文浅尝 | 利用 RNN 和 CNN 构建基于 FreeBase 的问答系统
开放知识图谱
11+阅读 · 2018年4月25日
可解释的CNN
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
72+阅读 · 2016年11月26日
Hamilton-Jacibi方程的弱KAM理论
国家自然科学基金
1+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
1+阅读 · 2015年12月31日
Volterra积分微分方程的多区间Chebyshev和Legendre谱配置法
国家自然科学基金
0+阅读 · 2015年12月31日
罗巴代数的表示和罗巴代数在operad中的应用
国家自然科学基金
0+阅读 · 2015年12月31日
半参数空间自回归模型的理论研究及应用
国家自然科学基金
0+阅读 · 2015年12月31日
复多项式的核拓扑熵
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
1+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
4+阅读 · 2014年12月31日
A psychological theory of explainability
Arxiv
16+阅读 · 2022年5月17日
Forecasting: theory and practice
Arxiv
57+阅读 · 2022年1月5日
Information-theoretic generalization bounds for black-box learning algorithms
Arxiv
12+阅读 · 2021年10月4日
A continual learning survey: Defying forgetting in classification tasks
Arxiv
32+阅读 · 2021年4月16日
Deep learning: a statistical viewpoint
Arxiv
18+阅读 · 2021年3月16日
Recent advances in deep learning theory
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
A survey of embedding models of entities and relationships for knowledge graph completion
Arxiv
23+阅读 · 2020年8月10日
A survey on deep hashing for image retrieval
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs
Arxiv
17+阅读 · 2019年11月6日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
有参情况
AIM
CASE
相关VIP内容
【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
专知会员服务
44+阅读 · 2021年11月24日
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
专知会员服务
40+阅读 · 2020年5月30日
【AI应用】Facebook-利用神经网络求解高等数学方程, Using neural networks to solve advanced mathematics equations
【AI应用】Facebook-利用神经网络求解高等数学方程, Using neural networks to solve advanced mathematics equations
专知会员服务
33+阅读 · 2020年1月15日
【WSDM2020】超越统计关系：将知识关系整合到多标签音乐风格分类的风格关联中（附pdf）
专知会员服务
16+阅读 · 2019年11月23日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17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
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
热门VIP内容
相关资讯
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
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
论文浅尝 | 利用 RNN 和 CNN 构建基于 FreeBase 的问答系统
论文浅尝 | 利用 RNN 和 CNN 构建基于 FreeBase 的问答系统
开放知识图谱
11+阅读 · 2018年4月25日
可解释的CNN
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
72+阅读 · 2016年11月26日
相关论文
A psychological theory of explainability
Arxiv
16+阅读 · 2022年5月17日
Forecasting: theory and practice
Arxiv
57+阅读 · 2022年1月5日
Information-theoretic generalization bounds for black-box learning algorithms
Arxiv
12+阅读 · 2021年10月4日
A continual learning survey: Defying forgetting in classification tasks
Arxiv
32+阅读 · 2021年4月16日
Deep learning: a statistical viewpoint
Arxiv
18+阅读 · 2021年3月16日
Recent advances in deep learning theory
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
A survey of embedding models of entities and relationships for knowledge graph completion
Arxiv
23+阅读 · 2020年8月10日
A survey on deep hashing for image retrieval
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs
Arxiv
17+阅读 · 2019年11月6日
相关基金
Hamilton-Jacibi方程的弱KAM理论
国家自然科学基金
1+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
1+阅读 · 2015年12月31日
Volterra积分微分方程的多区间Chebyshev和Legendre谱配置法
国家自然科学基金
0+阅读 · 2015年12月31日
罗巴代数的表示和罗巴代数在operad中的应用
国家自然科学基金
0+阅读 · 2015年12月31日
半参数空间自回归模型的理论研究及应用
国家自然科学基金
0+阅读 · 2015年12月31日
复多项式的核拓扑熵
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
1+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
4+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员
Top