Estimation and Inference by Compact Coding
通过紧凑编码进行估计与推断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：摘要提出通用编码长度驱动的模型选择与推断原则，未提供归入所列具体计量应用方向的证据。
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
通过紧凑编码进行估计与推断
- 研究问题
- 如何利用统计模型解释的数据系统性变化压缩数据，并以编码长度最小化为原则共同选择模型与参数估计？
- 方法与思路
- 作者将编码分为参数估计与基于所估计概率分布的数据编码两部分，以最紧凑编码选择模型，并发展可计算的近似形式。
- 材料陈述的贡献
- 摘要称，严格形式具有广泛适用性和若干良好性质，但计算不可行；论文提出近似形式并探索其与其他方法的关系。
- 阅读关注点
- 应核对参数和数据两部分码长的定义、严格形式不可计算的原因，以及近似形式的实现、适用条件和与其他方法的关系。
- 阅读边界
- 仅据 Crossref 摘要；摘要未具体说明所称良好性质、近似误差或计算复杂度，不能补充未陈述的最优性与一致性结论。
原文摘要
SUMMARY The systematic variation within a set of data, as represented by a usual statistical model, may be used to encode the data in a more compact form than would be possible if they were considered to be purely random. The encoded form has two parts. The first states the inferred estimates of the unknown parameters in the model, the second states the data using an optimal code based on the data probability distribution implied by those parameter estimates. Choosing the model and the estimates that give the most compact coding leads to an interesting general inference procedure. In its strict form it has great generality and several nice properties but is computationally infeasible. An approximate form is developed and its relation to other methods is explored.