09:07
官方账号arXiv cs.LG@Tommaso dorigo
推荐理由：这篇论文提出了一种新方法，能精确定位哪些观测值导致样本偏离参考分布，在LHC奥运会上表现出色。
LHC奥运会
共 1 条相关 AI 资讯
8月31日
09:07
研究人员开发了一种新框架，通过为每个观测值分配其在随机统计上下文中的条件或边际贡献，来解决样本偏离参考分布时的定位问题。该方法将重采样诊断和数据估值与投影理论和事件级异常检测联系起来。在对称统计情况下，固定大小替换等价于中心条件定位；对于U统计量，加法得分等于第一个Hoeffding/Hájek贡献；对于平滑分布泛函，它主要与影响函数相关；对于无偏已知背景MMD，它精确简化为MMD见证。在LHC奥运会异常检测基准上，成对估计器以预测的1/(Rm^2)缩放率收敛到直接经验MMD见证，在m=1000和R=5x10^6时达到0.9993的相关性，AUC基本相同。