Information-theoretic determination of minimax rates of convergence
用信息论确定极小极大收敛速率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：摘要属于一般密度估计与信息论统计理论，没有所列经济计量细分方向的直接依据。
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…
关注这篇论文的作者
用信息论确定极小极大收敛速率
- 研究问题
- 如何通过信息论与度量熵条件确定密度估计的极小极大风险界，并据此识别不同函数类的收敛速率？
- 方法与思路
- 作者从信息论角度建立密度估计风险的一般界，将这些界表达为依赖度量熵条件的结果，用于确定极小极大速率。
- 材料陈述的贡献
- 摘要称，给出确定统计风险极小极大界的一般结果，这些界仅依赖度量熵条件，并可用于识别收敛速率。
- 阅读关注点
- 核对风险损失、密度类与距离的定义，度量熵条件的准确形式，以及风险界如何给出相匹配的收敛速率。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；摘要未提供具体风险界、函数类或速率，不能据此确定任一给定模型的最优速率。
原文摘要
We present some general results determining minimax bounds on statistical risk for density estimation based on certain information-theoretic considerations. These bounds depend only on metric entropy conditions and are used to identify the minimax rates of convergence.