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