Measures of Dependence in Normal Models and Exponential Models by Information Gain
基于信息增益的正态模型与指数模型依赖度量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般概率模型的依赖度量，没有直接涉及所列计量应用细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于信息增益的正态模型与指数模型依赖度量
- 研究问题
- 信息增益能否作为构造依赖程度指标的原则，在正态模型及若干二元指数模型中会得到哪些有意义的度量？
- 方法与思路
- 作者考察以信息增益定义依赖度量的原则，并分别分析正态模型和多个二元指数模型；具体指标形式摘要未说明。
- 材料陈述的贡献
- 摘要称该原则在正态模型下通常产生良好度量，在部分指数模型中也产生有意义的指标，但未列出评价准则和结果细节。
- 阅读关注点
- 应核对信息增益的定义、比较基准及依赖指标的性质，明确所考察的指数模型，并查看作者如何界定度量的良好表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型范围、度量公式及评价标准未说明，不能推断对一般依赖结构都适用。
原文摘要
The principle of obtaining a measure of dependence based on the notion of information gain is examined for normal models and for several bivariate exponential models. It is shown that, under normal models, the principle usually gives good measures. It is also shown that it gives interesting measures for some exponential models.