arXiv stat.ML· Gunjan Kumar, Yash Pote, Jonathan Scarlett·· 12 天前AI 评分29
非对称无似然假设检验研究
Asymmetric Likelihood-Free Hypothesis Testing
AI 导读
研究者提出了非对称无似然假设检验（LFHT），在参考分布样本预算不相等的情况下给出了可行样本三元组的对数级刻画，证明不等预算可带来多项式级样本节省。例如在常数区分度下，基于 P 的 n 个样本和 Q 的 n^(3/4) 个样本，仅需 D 的 O~(n^(1/4)) 个样本即可完成检验，优于现有基准的 Ω(√n)。
来源：arXiv stat.ML · arxiv.org