Optimal high-dimensional and nonparametric distributed testing under communication constraints
通信约束下最优高维与非参数分布式检验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：摘要研究通信约束下的通用高斯信号检测理论，没有对应所列经济计量细分领域的具体研究对象。
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…
通信约束下最优高维与非参数分布式检验
- 研究问题
- 数据分散在多台机器且向中心通信受比特数限制时，高维和无限维信号检测的最小最大误差及可达到的检验能力如何变化？
- 方法与思路
- 作者在高斯白噪声框架下推导分布式检验下界，设计达到下界的算法，并分析共享随机性与自适应非参数检验策略。
- 材料陈述的贡献
- 摘要称共享随机性在部分情形下严格改善检验表现，极少通信仍可支持一致非参数检验，并给出自适应策略及相应理论下界。
- 阅读关注点
- 应核对通信预算的计量单位、机器数与样本规模的渐近关系、信号分离条件，以及共享随机性和自适应性的适用范围。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要未完整列明参数区间与渐近条件，不能将一比特结论推广到任意检测问题。
原文摘要
We derive minimax testing errors in a distributed framework where the data is split over multiple machines and their communication to a central machine is limited to b bits. We investigate both the d- and infinite-dimensional signal detection problem under Gaussian white noise. We also derive distributed testing algorithms reaching the theoretical lower bounds. Our results show that distributed testing is subject to fundamentally different phenomena that are not observed in distributed estimation. Among our findings we show that testing protocols that have access to shared randomness can perform strictly better in some regimes than those that do not. We also observe that consistent nonparametric distributed testing is always possible, even with as little as one bit of communication, and the corresponding test outperforms the best local test using only the information available at a single local machine. Furthermore, we also derive adaptive nonparametric distributed testing strategies and the corresponding theoretical lower bounds.