这是部分答案。
说是具有n个成分的所有高斯混合物的类别。对于实数上的任何连续分布P,我们是否保证随着n的增长,我们可以在相对熵的意义上用损失可忽略不计的GMM 近似P?即,确实LIM Ñ →交通∞ INF P ∈ 小号Ñ d (P | | P)= 0 ?SnnPnP
limn→∞infP^∈SnD(P||P^)=0?
不可以。你只能希望,KL散度是小的,如果你知道Q的尾巴是最终的顺序相同P的。通常情况并非如此。不难看出,对于P柯西那么对于任意Ñ,INF P ∈ 小号Ñ d (P | | P)= ∞D(P∥Q)QPPn
infP^∈SnD(P||P^)=∞
P上的更多条件P还要说。
说,我们有一个连续分布和我们已发现一个Ñ -component高斯混合P的靠近P在总变更:δ (P ,P)< ε。我们可以结合d (P | | P)来讲εPNP^Pδ(P,P^)<εD(P||P^)ϵ?
否。适用上述相同示例。
如果我们想观察通过独立的加性噪声ý 〜P ý(均为真实的,连续的),我们有的GMM X〜Q X,ÿ〜Q Ý其中δ (P ,Q )< ε,则这个值很小吗?米米小号È(X | X + Ý )- 米米小号È(XX∼PXY∼PYX^∼QX,Y^∼QYδ(P,Q)<ϵ
即是真的,估计X通过ý噪声约为硬如估计 X通过 ÿ噪声?
∣∣mmse(X|X+Y)−mmse(X^|X^+Y^)∣∣,
XYX^Y^
我不知道。如果具有有限的均值和方差然后MMSEs是é [ X | ÿ ]和è [ X | Ÿ ](简单推导这里)。根据这些假设,目的是确定是否|。È P [ (ë P [ X | ÿ ] - X )2 ] - ë Q [X,Y,X^,Y^E[X|Y]E[X^|Y^]当 T V (P ,Q )很小时,它很小。有关。|EP[(EP[X|Y]−X)2]−EQ[(EQ[X|Y]−X)2]|TV(P,Q)
总体而言,或者使用我们在P,Q上假设的额外加法结构,或者任何反例,我都无法证明这一点。
您可以针对非加性噪声模型(例如泊松噪声)执行此操作吗?
这是模棱两可的。在上一个问题的上下文中,如果该答案中的陈述可以得到一般证明,则答案为是。