面向预训练深度学习 Linfoot 信息相关性估计器的探索
机器学习
2025-12-16 v1 机器学习
统计方法学
摘要
我们发展了一种基于监督学习的深度学习方法，用于估计两个连续随机变量之间的互信息。作为标签，我们采用 Linfoot 信息相关性，这是一种互信息的变换形式，具有许多重要属性。我们的 метод基于高斯和 Clayton 复合函数的真实标签进行训练。我们将方法与基于核密度、k近邻和神经估计器的方法进行比较。我们展示了在偏差和方差上通常表现更好。作为一种原理验证，未来的研究可以考虑使用其他复合函数中可获得真实标签的更丰富的示例集来训练模型。
关键词
引用
@article{arxiv.2512.12358,
title = {Towards a pretrained deep learning estimator of the Linfoot informational correlation},
author = {Stéphanie M. van den Berg and Ulrich Halekoh and Sören Möller and Andreas Kryger Jensen and Jacob von Bornemann Hjelmborg},
journal= {arXiv preprint arXiv:2512.12358},
year = {2025}
}
备注
3 figures