计算机科学 > 信息论
[提交于 2007年9月8日
(v1)
,最后修订 2009年2月11日 (此版本, v3)]
标题: 似然比和泊松信道的贝叶斯推断
标题: Likelihood ratios and Bayesian inference for Poisson channels
摘要: 近年来,无穷维方法已被引入用于高斯信道估计。 本文的目的是研究类似方法在泊松信道中的应用。 特别是我们使用似然比和离散Malliavin梯度计算泊松信道的贝叶斯估计器。 该算法适合通过蒙特卡洛方案进行数值实现。 作为应用,我们提供了一个新的证明,证明了最近由Guo、Shamai和Verduú得到的公式,该公式涉及连续时间泊松信道的输入输出互信息的一些导数与输入的条件均值估计器之间的关系。 然后将这些结果扩展到混合高斯-泊松信道。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.