桑乔伊·达斯古普塔;大牛·徐 多元高斯分布的在线估计。 (英语) Zbl 1203.68144号 Bshouty,Nader H.(编辑)等人,《学习理论》。2007年6月13日至15日在美国加利福尼亚州圣地亚哥举行的第20届学习理论年会。诉讼程序。柏林:施普林格出版社(ISBN 978-3-540-72925-9)。计算机科学讲义4539。人工智能课堂讲稿,278-292(2007)。 小结:我们考虑了多元高斯分布的在线密度估计。在每一系列试验中,学习者必须假设平均值(mu)和协方差(Sigma);然后,学习者收到一个实例\(x),并在由\(mu,\Sigma)\参数化的高斯密度下,损失等于\(x\)的负对数似然。我们证明了以下领先策略的遗憾范围,即选择先前所见数据的样本均值和协方差。关于整个系列,请参见[Zbl 1121.68002号]. 引用于三文件 理学硕士: 68T05型 人工智能中的学习和自适应系统 62G07年 密度估算 PDF格式BibTeX公司 XML格式引用 \textit{S.Dasgupta}和\textit{D.Hsu},Lect。注释计算。科学。4539,278--292(2007;Zbl 1203.68144) 全文: 内政部