用广义均值收紧贝叶斯误差的 Bhattacharyya 与 Chernoff 上界
FrnkNlsn · x · 2026-10-09
Frank Nielsen 在 arXiv 发布论文《Generalized Bhattacharyya and Chernoff upper bounds on Bayes error using quasi-arithmetic means》。贝叶斯分类错误概率通常难以精确计算，常用闭式上界来估计。论文用缩放分布的全变差距离重述贝叶斯风险，并借助广义加权均值（quasi-arithmetic means）扩展了 Bhattacharyya 和 Chernoff 上界机制，顺带提出新的统计散度与亲和系数概念，并推导出单变量 Cauchy 分布和多变量 t 分布的新上界，实验验证其更紧。
「研究」频道最新
- 中国电信&MemTensor 发布 HaluMem:首个操作级智能体记忆幻觉基准 — jiqizhixin · 2026-10-09
- BAAI 发布研究智能体 AREX:逐条核验答案,BrowseComp 达 82.5% — DeepLearningAI · 2026-10-09
- 为超级智能构建 RL 环境的方法论,新文详解设计思路 — JenniferHli · 2026-10-09
- 用真随机解反事实难题：量子随机数发生器可给 RL 提供探索 — jessi_cata · 2026-10-09
- OpenAI 定理发布撞车学者在研工作,结果更强但难以读懂 — guyvdb · 2026-10-09
- AI 生成的论文泛滥预印本平台,学者提议用决策语言模型过滤噪音 — lpachter · 2026-10-09