Adaptive wavelet estimator for nonparametric density deconvolution
非参数密度反卷积的自适应小波估计量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：摘要讨论通用密度反卷积与小波自适应理论，未明确涉及分位数、分布处理效应或其他给定细分领域。
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
非参数密度反卷积的自适应小波估计量
- 研究问题
- 从卷积密度生成的样本中恢复潜在密度时，能否构造适应未知光滑程度、并处理超光滑密度的小波估计量？
- 方法与思路
- 作者基于Meyer型小波构造线性与非线性密度反卷积估计量，并在Sobolev函数空间中研究其渐近性质。
- 材料陈述的贡献
- 摘要称这些估计量在目标密度属于相应Sobolev空间时具有渐近最优性与自适应性，并可自动适应超光滑情形。
- 阅读关注点
- 应核对卷积核的信息要求、最优性采用的损失与函数类、小波截断或阈值选择，以及超光滑情形的具体定义。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；摘要未说明卷积核条件、具体收敛率及调参程序，不能推断刊本差异或任意反卷积适用性。
原文摘要
The problem of estimating a density $g$ based on a sample $X_1, X_2,\dots, X_n$ from $p = q*g$ is considered. Linear and nonlinear wavelet estimators based on Meyer-type wavelets are constructed. The estimators are asymptotically optimal and adaptive if $g$ belongs to the Sobolev space $H^{\alpha}$ . Moreover, the estimators considered in this paper adjust automatically to the situation when $g$ is supersmooth.