“高斯混合学习的样本复杂度边界几乎很紧……”
哈桑·阿什蒂亚尼 , 谢本·达维德 , 尼古拉斯·J·A·哈维 , 克里斯托弗·利奥 , 阿巴斯·梅拉比安(Abbas Mehrabian) , 亚尼夫计划 :
通过样本压缩方案学习高斯混合样本的近似紧样本复杂度边界。 NeurIPS公司 2018 : 3416-3425
由于引用数据不可用,以下列表可能不完整, 引用字符串可能未成功映射到dblp中列出的项,并且 我们没有针对这些列表中给出的所有项目的完整和精心策划的元数据。