Modele mieszanin gaussowskich (GMM) są atrakcyjne, ponieważ są łatwe do pracy zarówno w analityce, jak i w praktyce, i są w stanie modelować niektóre egzotyczne rozkłady bez zbytniej złożoności. Istnieje kilka właściwości analitycznych, których należy się spodziewać, które nie są ogólnie jasne. W szczególności:
- Powiedzmy, że mamy ciągły rozkład i znaleźliśmy mieszankę Gaussa N- składnik \ hat {P}, która jest zbliżona do P w całkowitej zmienności: \ delta (P, \ hat {P}) <\ varepsilon . Czy możemy związać D (P || \ hat {P}) w kategoriach \ epsilon ?P P δ ( P , P ) < ε D ( P | | P ) ε
- Jeśli chcemy obserwować przez niezależny szum addytywny (zarówno rzeczywisty, ciągły), a mamy GMM gdzie , więc ta wartość jest mała: tzn. Czy to prawda, że oszacowanie szumu do jest tak samo trudne, jak oszacowanie hałasu poprzez ?
- Czy można to zrobić w przypadku nieaddytywnych modeli hałasu, takich jak szum Poissona?
Mój (krótki) przegląd literatury do tej pory przedstawił bardzo dobrze zastosowane samouczki. Czy ktoś ma jakieś referencje, które rygorystycznie pokazują, w jakich warunkach jesteśmy uzasadnieni w stosowaniu modeli mieszanin?