Methods for Density Estimation in Thick-Slice Versions of Wicksell's Problem
厚切片 Wicksell 问题中的密度估计方法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：摘要讨论几何逆问题中的密度恢复，未涉及经济学分位数或分布效应，缺乏所给分类依据。
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
厚切片 Wicksell 问题中的密度估计方法
- 研究问题
- 观测来自目标分布经变换后的分布时，如何反推出合法的目标密度，并在厚切片 Wicksell 问题中选择合适的平滑程度？
- 方法与思路
- 作者提出隐式密度估计以避免显式反演可能产生的负值，再用经验方法选择平滑参数，使优化目标针对原始目标分布。
- 材料陈述的贡献
- 摘要称所提估计本身是密度，并通过神经末梢半径数据比较方法；厚切片问题的统计性质与经典薄切片情形显著不同。
- 阅读关注点
- 应核对观测变换与隐式估计的定义、密度合法性的保证、平滑参数选择准则，以及厚薄切片统计性质不同的具体结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未提供反演条件、误差率或比较数值，不能认定隐式方法在所有逆问题中表现更优。
原文摘要
A new, implicit method is suggested for density estimation in inverse problems, where data are drawn not from the target distribution, but rather from its image under a transformation. The approach that we propose produces density estimators that are themselves densities, without the negativity problems known to plague more explicit inversion techniques. We also suggest a general empirical approach to selecting the smoothing parameter so as to optimize performance in the context of the target distribution, rather than its image after the transformation. We apply the new methods, and competing techniques, to a thick-section Wicksell-type problem, using data on the radii of nerve terminals from the electric organ of the electric ray Torpedo marmorata. It is shown that statistical properties of estimators in this problem are very different from those for the thin-slice, classical Wicksell problem, and so the two cases cannot be developed simply by analogy with one another.