Refined Convergence Rates of the Good-Turing Estimator

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

The Good-Turing (GT) estimator is perhaps the most popular framework for modelling large alphabet distributions. Classical results show that the GT estimator convergences to the occupancy probability, formally defined as the total probability of words that appear exactly k times in the sample. In this work we introduce new convergence guarantees for the GT estimator, based on worst-case MSE analysis. Our results refine and improve upon currently known bounds. Importantly, we introduce a simultaneous convergence rate to the entire collection of occupancy probabilities.

שפה מקוריתאנגלית
כותר פרסום המארח2021 IEEE Information Theory Workshop, ITW 2021 - Proceedings
מוציא לאורInstitute of Electrical and Electronics Engineers Inc.
מסת"ב (אלקטרוני)9781665403122
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 2021
אירוע2021 IEEE Information Theory Workshop, ITW 2021 - Virtual, Online, יפן
משך הזמן: 17 אוק׳ 202121 אוק׳ 2021

סדרות פרסומים

שם2021 IEEE Information Theory Workshop, ITW 2021 - Proceedings

כנס

כנס2021 IEEE Information Theory Workshop, ITW 2021
מדינה/אזוריפן
עירVirtual, Online
תקופה17/10/2121/10/21

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1703???
  • ???subjectarea.asjc.1700.1705???
  • ???subjectarea.asjc.1700.1710???
  • ???subjectarea.asjc.1700.1712???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Refined Convergence Rates of the Good-Turing Estimator'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי