最大似然(Maximum likelihood, ML)是最基本、最通用的统计估计技术之一。受最近分布函数估计进展的启发,我们提出压缩最大似然(CML),它将ML应用于压缩样本。然后,我们证明了CML对于离散和连续域上的几个基本学习任务是样本有效的,包括具有结构的学习密度、估计概率多集和推断对称分布函数。

https://proceedings.mlr.press/v139/hao21c.html

成为VIP会员查看完整内容
20

相关内容

在统计学中,最大似然估计(maximum likelihood estimation, MLE)是通过最大化似然函数估计概率分布参数的一种方法,使观测数据在假设的统计模型下最有可能。参数空间中使似然函数最大化的点称为最大似然估计。最大似然逻辑既直观又灵活,因此该方法已成为统计推断的主要手段。
专知会员服务
14+阅读 · 2021年9月11日
专知会员服务
18+阅读 · 2021年9月4日
专知会员服务
37+阅读 · 2021年8月20日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
25+阅读 · 2021年7月11日
专知会员服务
25+阅读 · 2021年7月11日
专知会员服务
42+阅读 · 2021年7月1日
专知会员服务
30+阅读 · 2021年6月24日
专知会员服务
21+阅读 · 2021年6月14日
专知会员服务
79+阅读 · 2021年5月10日
【ICML2021】低秩Sinkhorn 分解
专知
9+阅读 · 2021年8月20日
最优传输理论和生成模型的几何观点
PaperWeekly
9+阅读 · 2020年7月18日
虚拟对抗训练:一种新颖的半监督学习正则化方法
人工智能前沿讲习班
8+阅读 · 2019年6月9日
CVPR 2019 | 图像压缩重建也能抵御对抗样本
计算机视觉life
3+阅读 · 2019年4月26日
【学界】基于生成对抗网络的低秩图像生成方法
GAN生成式对抗网络
9+阅读 · 2018年7月13日
Arxiv
7+阅读 · 2021年10月12日
Arxiv
9+阅读 · 2021年4月8日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
Contrastive Representation Distillation
Arxiv
5+阅读 · 2019年10月23日
VIP会员
相关VIP内容
专知会员服务
14+阅读 · 2021年9月11日
专知会员服务
18+阅读 · 2021年9月4日
专知会员服务
37+阅读 · 2021年8月20日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
25+阅读 · 2021年7月11日
专知会员服务
25+阅读 · 2021年7月11日
专知会员服务
42+阅读 · 2021年7月1日
专知会员服务
30+阅读 · 2021年6月24日
专知会员服务
21+阅读 · 2021年6月14日
专知会员服务
79+阅读 · 2021年5月10日
相关资讯
【ICML2021】低秩Sinkhorn 分解
专知
9+阅读 · 2021年8月20日
最优传输理论和生成模型的几何观点
PaperWeekly
9+阅读 · 2020年7月18日
虚拟对抗训练:一种新颖的半监督学习正则化方法
人工智能前沿讲习班
8+阅读 · 2019年6月9日
CVPR 2019 | 图像压缩重建也能抵御对抗样本
计算机视觉life
3+阅读 · 2019年4月26日
【学界】基于生成对抗网络的低秩图像生成方法
GAN生成式对抗网络
9+阅读 · 2018年7月13日
微信扫码咨询专知VIP会员