文献

J-GLOBAL ID：201802286409030592   整理番号：18A0623912

任意ペナルティを用いた最大尤度推定のための有限サンプルリスク限界【Powered by NICT】

Finite-Sample Risk Bounds for Maximum Likelihood Estimation With Arbitrary Penalties

著者 (2件)： Brinda W. D. (Department of Statistics and Data Science, Yale University, New Haven, CT, USA) ,  Klusowski Jason M. (Department of Statistics and Data Science, Yale University, New Haven, CT, USA)
資料名： IEEE Transactions on Information Theory  (IEEE Transactions on Information Theory)
巻： 64  号： 4  ページ： 2727-2741  発行年： 2018年 
JST資料番号： C0231A  ISSN： 0018-9448  CODEN： IETTAW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 分解能の最小記述長さ二部分符号化指数は可算モデル上のペナルティ付き尤度推定量の統計的リスクに及ぼす有限サンプル上限を提供した。しかし,結合は非常に小さなペナルティとunpenalized最尤推定や操作には適用できない。本論文では,任意のペナルティを支配していることをより一般的な不等式を指摘した。それに加えて,このアプローチは,独立同分布パラメータモデル,(logn)/n分解能限界に改善するための1/N次数の正確なリスク限界を引き出すことを可能にする。適応推定のための意味を考察した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 推定量 ,  符号化 ,  *最尤法 ,  *ペナルティ ,  不等式 ,  分解能
準シソーラス用語： 適応推定 ,  次数 ,  パラメトリックモデル ,  *尤度 ,  最小記述長 , 【Automatic Indexing@JST】

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (5件)： ペナルティ ,  最大尤度推定 ,  サンプル ,  リスク ,  限界